维度网讯，XDOF（发音为“ecks-doff”）今天从隐身模式中亮相，该公司旨在构建机器人数据管道、收集工具和标注系统，并已从兴盛资本（Thrive Capital）、星火资本（Spark Capital）、a16z（安德森·霍洛维茨基金）、Lux Capital（卢克斯资本）和WndrCo筹集了7000万美元。XDOF联合创始人兼首席执行官Philipp Wu表示，拥有约60名员工的XDOF目前已与20家客户合作，其中包括几家前沿AI实验室，但无法透露名称。

XDOF的成立基于一个判断：AI的下一个瓶颈并非模型或芯片，而是教会机器人如何与物理世界交互所需的数据反馈循环。Wu说，所有顶级实验室都在尝试追求机器人技术，在语言模型竞赛中稍有落后就会面临困境。他提到，任何实验室都不希望因为过晚追求这项技术而陷入被动，而物理AI已被视为下一前沿。Wu本人在加州大学伯克利分校（UC Berkeley）攻读博士期间就遇到了机器人缺乏大规模数据可用的问题。他曾指出，这是一个先有鸡还是先有蛋的问题，需要先实际收集数据，才能考虑如何训练机器人基础模型。

Wu与XDOF联合创始人兼首席技术官Fred Shentu曾参与一个名为GELLO的项目，这是一个低成本远程操作系统，允许人类操作员控制机械臂来生成训练数据。该论文在机器人领域影响较大，因为很多人都有类似的需求和瓶颈。发现机会后，Wu、Shentu和联合创始人兼首席运营官Nemo Jin于2024年10月推出了XDOF，为追求机器人模型的公司提供数据生态系统。该公司还专注于数据清洗、工具和标注，旨在为机器人训练者创建一个自我强化的反馈循环。

作为起点，XDOF与加州大学伯克利分校AI研究实验室（Berkeley AI Research lab）合作，发布其认为是有史以来最大的高质量机器人训练数据集，名为ABC。该数据集包含13万条机器人操作数据轨迹、300小时的模拟和100小时的评估。这种规模的预训练数据此前从未向学术界提供过。帮助组织发布的伯克利博士生David McAllister表示，当模型和数据发布时，社区往往会实现人们未必预料到的事情。该团队已使用这些数据在基准任务上训练机器人，例如折叠T恤、压平盒子或将AirPods放入充电盒。

XDOF计划在数据金字塔的三个层级开展工作：最有价值的是实际部署的机器人上收集的远程操作数据；其次是使用远程操作机器人收集更通用数据，例如GELLO；最后是人类执行日常任务时收集的第一人称数据，为此XDOF计划构建自己的可穿戴传感器。Wu指出，摄像头的选择会影响数据质量和手部跟踪算法的性能，如果在硬件设计阶段处理不当，收集的数据可能会出现特定问题。

该公司计划在全球招聘和培训大批远程操作员和第一人称数据操作员。关于主要实验室为何不自行进行数据生产工作的问题，Wu表示，这需要数十万平方英尺的仓库和数百台机器人，同时还涉及维护、校准及培训操作员的投入。他认为这是一项需要专注、资本和运营规模扩张的工作，大多数AI实验室宁愿将其外包，这正是XDOF押注的市场。

XDOF这个名称是对机器人术语“自由度”的演绎，该术语描述机器人可以执行的独立运动数量。Wu举例说，人的手臂从肩膀到手腕有七个自由度，而人形机器人公司Figure AI的最新机器人则有30个自由度。公司名称中的X捕捉了其雄心：任意自由度，无限自由度。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com