XDOF, la startup especializada en recopilar datos de teleoperación del mundo real para entrenar robots de propósito general, se encuentra en negociaciones avanzadas para levantar una ronda de Serie B a una valoración aproximada de 1.200 millones de dólares, liderada por 8VC, según ha informado TechCrunch citando a varias fuentes familiarizadas con la operación.
La compañía, cofundada en 2024 por los investigadores de UC Berkeley Philipp Wu (CEO) y Fred Shentu (CTO), cerró apenas en junio una Serie A de 70 millones de dólares con participación de Thrive Capital, Andreessen Horowitz, Lux y Spark Capital. Menos de tres meses después de anunciar públicamente su salida del modo sigilo, el rápido crecimiento de la empresa —con ingresos anualizados cercanos a los 50 millones de dólares— ha atraído el interés de inversores para esta nueva ronda, que la startup inicialmente no tenía prevista.
Los términos del acuerdo no son definitivos y podrían variar antes del cierre. TechCrunch no pudo confirmar el capital total que se captará ni si la valoración incluye el nuevo financiamiento. Ni XDOF ni 8VC respondieron a las solicitudes de comentarios de TechCrunch.
Del laboratorio a la industria: recopilar datos que no existen
XDOF se propone construir las tuberías de datos, herramientas de recopilación y sistemas de anotación que los laboratorios de IA de frontera y las empresas de robótica no pueden desarrollar fácilmente por sí mismos. En esencia, actúa como una cadena de suministro de datos tercerizada para la industria robótica, una propuesta que los inversores comparan ahora con Scale AI o Mercor aplicados a la robótica física.
La génesis del proyecto se remonta a la investigación doctoral de Wu en UC Berkeley. Durante sus estudios sobre cómo los robots aprenden de grandes conjuntos de datos, Wu identificó como principal obstáculo la ausencia de «datos a gran escala con los que trabajar», según declaró a TechCrunch en junio. Junto con Shentu, desarrolló GELLO, un sistema de teleoperación de bajo coste que permite a operadores humanos controlar brazos robóticos de forma remota para generar datos de entrenamiento. El trabajo derivó en un paper influyente en el ámbito de la robótica y sentó las bases de XDOF.
A diferencia de los modelos de lenguaje, que inicialmente entrenaron con el contenido de internet, los robots físicos carecen de un conjunto de datos equivalente del mundo real, lo que convierte la recopilación de datos en un cuello de botella crítico para construir máquinas de propósito general.
Operadores remotos y sensores corporales: así capturan el movimiento humano
Para capturar estos datos, XDOF combina la teleoperación remota de robots con recopiladores humanos que visten sensores para grabar tareas cotidianas como doblar ropa o aplanar cajas. La compañía planea contratar y formar equipos de recopiladores de datos en todo el mundo, incluyendo teleoperadores que guían robots de forma remota y operadores egocéntricos que portan sensores corporales para capturar datos de movimiento.
XDOF ha anunciado una colaboración con el laboratorio de investigación en IA de UC Berkeley para publicar lo que considera la mayor colección de datos de entrenamiento para robots de alta calidad jamás reunida, bautizada como ABC. La startup informó a TechCrunch que ya trabaja con 20 clientes, varios de ellos laboratorios de IA de frontera. Otras startups en este espacio incluyen Mecka AI, así como plataformas de datos humanos que expanden su actividad más allá de los LLMs, como Scale AI y Micro1.
La fuerte aceleración de XDOF ilustra el apetito de capital que suscitan las empresas de infraestructura de datos en la economía de la IA, donde la escasez de datos reales se convierte en ventaja competitiva para quien los controla.
