XDOF entre en phase avancée de discussions pour un financement de série B valorisé à 1,2 milliard de dollars
XDOF, une startup spécialisée dans la collecte de données de téléopération en temps réel pour la formation de robots polyvalents, est en pourparlers avancés pour sécuriser un tour de financement de série B, évalué à environ 1,2 milliard de dollars, selon des sources proches du dossier.
Fondée en 2024 par des chercheurs de l’UC Berkeley, Philipp Wu et Fred Shentu, XDOF a récemment complété un financement de série A de 70 millions de dollars en juin, attirant des investissements de sociétés telles que Thrive Capital, Andreessen Horowitz, Lux et Spark Capital. Bien que l’entreprise n’avait pas prévu de lever des fonds supplémentaires si rapidement, son chiffre d’affaires annualisé a atteint près de 50 millions de dollars, suscitant l’intérêt de capital-risqueurs pour un financement additionnel.
Les détails concernant le nouveau capital à lever ou la question de savoir si l’évaluation inclura ce nouveau financement n’ont pas été divulgués. Il convient de noter que les termes de l’accord restent fluides et susceptibles d’évoluer.
Aucun des représentants d’XDOF ou d’8VC n’a répondu aux demandes de commentaire pour le moment.
XDOF vise à développer des pipelines de données, des outils de collecte et des systèmes d’annotation qui facilitent les opérations pour les laboratoires d’IA et les entreprises de robotique, agissant efficacement comme une chaîne d’approvisionnement de données externalisée pour le secteur de la robotique.
Au cours de ses études doctorales, Wu a rencontré un défi majeur dans ses recherches en raison de la disponibilité limitée de jeux de données à grande échelle pour l’apprentissage des robots. Pour y remédier, lui et Shentu ont développé GELLO, un système de téléopération économique permettant un contrôle humain à distance des bras robotiques pour générer des données d’entraînement essentielles. Ce travail a donné lieu à un article influent dans le domaine de la robotique.
Les investisseurs voient désormais XDOF comme équivalente à Scale AI et Mercor pour la robotique physique, soulignant son rôle dans l’atténuation des goulets d’étranglement de la collecte de données, critiques pour la construction de machines polyvalentes. Contrairement aux grands modèles de langage qui ont bénéficié d’immenses quantités de données provenant d’internet, les robots physiques manquent de jeux de données équivalents, rendant les contributions d’XDOF particulièrement significatives.
En partenariat avec le laboratoire de recherche en IA de l’UC Berkeley, XDOF prévoit de lancer ce qu’elle considère comme la plus grande collection de données de formation de robots de haute qualité jamais compilée, connue sous le nom de ABC. Cette initiative implique la capture de données par le biais de téléopération robotique à distance, complétées par des collecteurs humains équipés de capteurs pour documenter des tâches quotidiennes, telles que plier des vêtements et aplatir des boîtes.
Pour améliorer ses opérations, XDOF envisage d’embaucher et de former des collecteurs de données à l’échelle mondiale, y compris des téléopérateurs qui contrôlent des robots à distance et des opérateurs égocentriques qui capturent des données de mouvement via des capteurs corporels. La startup a divulgué qu’elle collabore actuellement avec 20 clients, dont plusieurs laboratoires d’IA de premier plan.
Dans le paysage concurrentiel de la collecte de données réelles pour la formation de robots, XDOF fait face à la concurrence d’autres startups telles que Mecka AI, ainsi qu’à des plateformes de données humaines cherchant à s’étendre au-delà des grands modèles de langage.
