XDOF, een jong bedrijf dat echte taken van mensen vastlegt om robots te trainen, groeit snel en staat naar verluidt in gevorderde gesprekken voor een nieuwe investeringsronde met een waardering van ongeveer $1,2 miljard. Hier lees jij wat het bedrijf doet en waarom dat belangrijk is voor de ontwikkeling van robots.

Snelle groei en nieuwe financiering

XDOF kwam pas dit jaar uit de anonimiteit. Minder dan drie maanden nadat het bedrijf publiek werd, voeren de oprichters gesprekken over een Series B-ronde (een latere investeringsronde) met 8VC als mogelijke leidinggevende investeerder. Eerder dit jaar haalde XDOF al een Series A-ronde op van $70 miljoen (een vroege investeringsronde).

De eerdere investeerders bij die Series A waren onder meer:

• Thrive Capital

• Andreessen Horowitz

• Lux

• Spark Capital

Volgens mensen die bij de gesprekken betrokken zijn, groeide XDOF zo snel dat durfkapitaalbedrijven vroegtijdig interest toonden. Het bedrijf draait inmiddels bijna $50 miljoen op jaarbasis, als je de huidige inkomsten annualiseert. De precieze voorwaarden van de nieuwe ronde zijn nog niet afgerond en kunnen veranderen. XDOF en 8VC gaven geen commentaar.

Wat XDOF precies doet

XDOF bouwt systemen om grote hoeveelheden gegevens te verzamelen die nodig zijn om algemene, praktische robots te trainen. Dat doen ze omdat er geen kant-en-klare, wereldwijde dataset bestaat waarmee robots in de echte wereld kunnen leren, zoals veel taalmodellen dat deden met internetteksten.

Het bedrijf levert in feite een uitbestede dataketen voor de robotindustrie: ze ontwerpen de verzamelsystemen, de hulpmiddelen om data binnen te halen en de manieren om die data van labels te voorzien. Deze rol wordt soms vergeleken met bedrijven die eerder grote datasets voor AI verzorgden, maar dan specifiek voor fysieke robots.

Hoe de data wordt verzameld

De oprichters, onderzoekers van UC Berkeley, ontwikkelden een goedkope methode om robots van afstand te besturen. Die techniek heet teleoperatie (op afstand besturen van een robot). Met die methode kunnen mensen armbewegingen en taken uitvoeren via een robot, zodat die bewegingen als trainingsdata gebruikt worden.

Daarnaast werkt XDOF met mensen die sensoren dragen om dagelijkse handelingen vast te leggen, zoals het vouwen van kleding of het platmaken van dozen. Deze zogenaamde egocentrische operators (mensen met sensoren op hun lichaam die hun eigen bewegingen registreren) leggen menselijke bewegingen vast die later aan robots geleerd kunnen worden.

XDOF bouwt hiermee datasets en instrumenten die veel AI- en robotica-labs zelf moeilijk en duur kunnen opzetten. In samenwerking met de AI-researchgroep van UC Berkeley werkt het bedrijf aan een dataset met de naam ABC, die zij beschouwen als mogelijk de grootste hoogwaardige verzameling robottrainingsdata ooit.

Organisatie en klanten

Het plan is om teams van dataverzamelaars wereldwijd te trainen en in te zetten. Die teams bestaan onder meer uit:

• teleoperators die robots op afstand besturen

• egocentrische operators die met lichaamsgebonden sensoren werken

• personeel voor annotatie en kwaliteitscontrole

XDOF zei eerder dat het al met ongeveer twintig klanten werkt, waaronder enkele toonaangevende AI-labs. Die klanten gebruiken de verzamelde data om hun robots slimmer en robuuster te maken in praktische taken.

Plaats in de markt

Er zijn meerdere bedrijven die proberen echte, fysieke data voor robottraining te verzamelen. Voorbeelden zijn Mecka AI en grotere spelers die hun diensten uitbreiden buiten taalmodellen, zoals Scale AI en Micro1. De markt verandert snel omdat echte, betrouwbare robotdata een van de grootste knelpunten is in het maken van veelzijdige, praktische robots.

Conclusie

XDOF groeit opvallend snel: een grote investeringsronde wordt overwogen kort na de vorige, mede door sterk oplopende inkomsten. Het bedrijf richt zich op een duidelijk probleem in robotica: het gebrek aan grote, kwalitatieve datasets uit de echte wereld. Als XDOF slaagt, kan dat de ontwikkeling van praktische robots versnellen, doordat onderzoekers en bedrijven toegang krijgen tot data die zij zelf moeilijk en duur kunnen verzamelen.