XDOF busca financiamiento de $1.2 mil millones en su ronda de inversión Series B

XDOF, una startup dedicada a la recolección de datos de teleoperación para el entrenamiento de robots, se encuentra en conversaciones avanzadas para realizar una ronda de inversión Serie B valorada en aproximadamente $1.2 mil millones. Este movimiento ocurre solo tres meses después de que la empresa emergiera del sigilo y con el respaldo de 8VC, según informaron varias fuentes cercanas al acuerdo.

Fundada en 2024 por investigadores de UC Berkeley, Philipp Wu (CEO) y Fred Shentu (CTO), XDOF ya había completado una ronda de inversión Serie A de $70 millones en junio, en la que participaron Thrive Capital, Andreessen Horowitz, Lux y Spark Capital. A pesar de que no estaba en sus planes recaudar fondos tan pronto, el crecimiento rápido de la empresa, con ingresos anuales que se acercan a $50 millones, atrajo la atención de los capitalistas de riesgo.

TechCrunch no pudo confirmar el monto total que se busca recaudar ni si la valoración incluye la nueva financiación. Los términos del acuerdo aún no son definitivos y podrían cambiar.

XDOF tiene como objetivo construir herramientas de recolección de datos y sistemas de anotación que los laboratorios de IA y las empresas de robótica no pueden desarrollar fácilmente, actuando esencialmente como una cadena de suministro de datos externalizada para la industria robótica.

Durante su etapa como estudiante de doctorado, Wu se dedicó a investigar cómo los robots aprenden de grandes conjuntos de datos. Un gran obstáculo en su investigación fue la falta de "datos a gran escala", según comentó a TechCrunch en junio.

Junto con Shentu, desarrolló un proyecto llamado GELLO, un sistema de teleoperación de bajo costo que permite a un operador humano controlar un brazo robótico de forma remota para generar datos de entrenamiento. Su trabajo dio lugar a un artículo influyente en el ámbito de la robótica.

Esta investigación sentó las bases para XDOF, que los inversores describen ahora como la versión para robótica de Scale AI o Mercor, referencias a gigantes de etiquetado de datos que impulsaron el auge de la IA. A diferencia de los modelos de lenguaje, que se entrenaron inicialmente con la totalidad de Internet, los robots físicos no cuentan con un conjunto de datos equivalente del mundo real, lo que convierte la recolección de datos en un obstáculo crítico para la construcción de máquinas de propósito general.

XDOF está colaborando con el laboratorio de investigación en IA de UC Berkeley para lanzar lo que considera la colección de datos de entrenamiento de robots de mayor calidad jamás ensamblada, denominada ABC.

Para capturar estos datos, XDOF combina la teleoperación remota de robots con recolectores humanos que utilizan sensores para registrar tareas cotidianas, como doblar ropa y aplastar cajas.

La startup planea contratar y capacitar equipos de recolectores de datos en todo el mundo, incluidos teleoperadores que controlan robots de forma remota y operadores egocéntricos que usan sensores corporales para capturar datos de movimiento.

XDOF había informado previamente a TechCrunch que ya trabaja con 20 clientes, incluidos varios laboratorios de IA de vanguardia.

Otras startups que intentan recolectar datos del mundo real para el entrenamiento de robots incluyen Mecka AI, así como plataformas de datos humanos que se están expandiendo más allá de los modelos de lenguaje, como Scale AI y Micro1.

Temas