KI-Labore bezahlen XDOF für die Erfassung unstrukturierter Trainingsdaten für Roboter

Vor zwei Wochen kündigte OpenAI an, sein 2021 eingestelltes Robotikprogramm wieder aufzunehmen – ein weiteres Zeichen dafür, dass große KI-Forschungslabore darum wetteifern, Maschinen beizubringen, wie sie sich in der physischen Welt bewegen können. Doch der Bau leistungsfähiger Roboter erfordert etwas, das der KI-Branche noch fehlt: Trainingsdaten, die denen entsprechen, die Sprachmodelle verwenden.

Diese Lücke beflügelt eine neue Art von Infrastrukturunternehmen. Im Gegensatz zu LLMs, die mit riesigen Mengen öffentlich zugänglicher Texte trainiert wurden, benötigen Roboter Daten, die physische Interaktionen erfassen – und diese Art von Daten gibt es kaum. YouTube-Videos und Aufnahmen von Gig-Workern sind von geringer Qualität und lassen sich nur schwer mit der physischen Welt in Einklang bringen.

XDOF (ausgesprochen „ecks-doff“), das heute aus der Geheimhaltung hervorkommt, ist der Ansicht, dass der nächste große Engpass in der KI nicht bei Modellen oder Chips liegen wird, sondern bei der Daten-Feedbackschleife, die erforderlich ist, um Robotern beizubringen, wie sie mit der physischen Welt interagieren sollen.

Das Start-up hat sich zum Ziel gesetzt, die Datenpipelines, Erfassungstools und Annotationssysteme aufzubauen, die Pionierlabore und Robotikunternehmen nicht ohne Weiteres selbst entwickeln können – und hat dafür 70 Millionen US-Dollar von Thrive Capital, Spark Capital, a16z, Lux und WndrCo eingesammelt. Mitbegründer und CEO Philippe Wu sagt, dass XDOF, das etwa 60 Mitarbeiter beschäftigt, bereits mit 20 Kunden zusammenarbeitet, darunter mehrere wegweisende KI-Forschungslabore, deren Namen er jedoch nicht nennen darf.

„Alle führenden Labore versuchen, sich in der Robotik zu engagieren“, so Wu. „Wir haben bereits einige der Nachteile gesehen, die entstehen, wenn man im Wettlauf um Sprachmodelle leicht ins Hintertreffen gerät … man möchte nicht in eine Situation geraten, in der man diese Technologie zu spät verfolgt und alle im selben Boot sitzen, während die physische KI die nächste Grenze darstellt.“

Wu stieß als Doktorand an der UC Berkeley aus erster Hand auf dieses Problem. Sein Schwerpunkt lag darauf, Robotern das Erlernen von Fähigkeiten anhand groß angelegter Datensätze zu ermöglichen. Es gab nur ein Problem.

„Wir hatten keine umfangreichen Datensätze, mit denen wir arbeiten konnten“, erklärte er gegenüber TechCrunch. „Es gab dieses Henne-Ei-Problem – wir mussten erst einmal tatsächlich Daten sammeln, bevor wir überhaupt die Frage stellen konnten, wie man ein Basismodell für die Robotik trainiert.“

Wu und sein späterer XDOF-Mitbegründer und CTO, Fred Shentu, arbeiteten an einem Projekt namens GELLO, einem kostengünstigen Fernsteuerungssystem, mit dem ein menschlicher Bediener einen Roboterarm steuern kann, um Trainingsdaten zu generieren. „Es wurde schließlich zu einer sehr einflussreichen Veröffentlichung in der Robotik, da viele Menschen ähnliche Bedürfnisse und Engpässe hatten und zahlreiche damit begannen, diese Art von Gerät zur Datenerfassung zu nutzen“, sagte Wu.

Wu, Shentu und der dritte Mitbegründer sowie Chief Operating Officer Nemo Jin erkannten diese Chance und gründeten im Oktober 2024 XDOF, um ein Daten-Ökosystem für Unternehmen bereitzustellen, die Robotikmodelle entwickeln. Da sich das Unternehmen bewusst ist, dass die reine Bereitstellung von Daten allein ein Sackgassen-Geschäft sein kann, konzentriert es sich auch auf Datenbereinigung, Tooling und Annotation – und schafft so einen sich selbst verstärkenden Feedback-Kreislauf für Robotertrainer.

Als ersten Schritt arbeitet das Unternehmen mit dem AI Research Lab der UC Berkeley zusammen, um die nach eigener Einschätzung größte Sammlung hochwertiger Robotertrainingsdaten zu veröffentlichen, die jemals zusammengestellt wurde: ABC. Sie umfasst 130.000 Bewegungsbahnen mit Daten zur Robotermanipulation, 300 Stunden Simulation und 100 Stunden Auswertungen. Derartige umfangreiche Vortrainingsdaten standen der Wissenschaft bisher noch nie zur Verfügung.

„Wir haben in den Bereichen Sprache, Bildgenerierung und anderen Feldern gesehen, dass die Community, wenn Modelle und Daten veröffentlicht werden, Dinge erreicht, die man nicht unbedingt erwartet hätte“, erklärte David McAllister, ein Doktorand an der Berkeley, der bei der Organisation der Veröffentlichung mitgewirkt hat, gegenüber TechCrunch.

Das Team hat die Daten bereits genutzt, um Roboter für Benchmark-Aufgaben wie das Falten von T-Shirts, das Flachdrücken von Kartons oder das Einlegen von AirPods in ihre Hüllen zu trainieren.

Unbegrenzte Freiheitsgrade

Das Unternehmen plant, auf drei Ebenen einer Datenpyramide zu arbeiten. Die wertvollste Ebene bilden Teleoperationsdaten, die am tatsächlich eingesetzten Roboter erfasst werden; als Nächstes folgen teleoperierte Roboter, die allgemeinere Daten sammeln, wie bei GELLO; und schließlich „egozentrische“ Daten, die von Menschen bei der Ausführung alltäglicher Aufgaben erfasst werden, wofür XDOF plant, eigene tragbare Sensoren zu entwickeln.

„Die Wahl Ihrer Kamera wird die Qualität Ihrer Daten beeinflussen – was sich wiederum auf die Leistung Ihres Hand-Tracking-Algorithmus auswirkt“, sagte Wu. „Wenn Sie die Hardware nicht von Anfang an gut konzipieren, könnten die von Ihnen gesammelten Daten ganz spezifische Probleme aufweisen, mit denen Sie nicht gerechnet haben.“

Das Unternehmen plant, weltweit eine ganze Armee von Teleoperatoren und Operatoren für egozentrische Daten einzustellen und auszubilden – ein arbeitsintensives Modell, das eine naheliegende Frage aufwirft: Warum übernehmen die großen Forschungslabore diese Datenerfassung nicht selbst?

„Man braucht eine Lagerhalle von Hunderttausenden Quadratfuß mit Hunderten von Robotern“, sagte Wu. „Man muss diese Roboter warten, ihre physikalischen Parameter kalibrieren und die Bediener ordnungsgemäß schulen.“

Es handelt sich um einen Ausbau, der Konzentration, Kapital und eine operative Größenordnung erfordert, die die meisten KI-Labore lieber auslagern würden – und genau auf diesen Markt setzt XDOF.

Der Name XDOF ist ein Wortspiel mit dem Begriff „Freiheitsgrade“ aus der Robotik, der die Anzahl der unabhängigen Bewegungen beschreibt, die ein Roboter ausführen kann. Ihr Arm verfügt von der Schulter bis zum Handgelenk über sieben Freiheitsgrade. Der neueste Roboter des humanoiden Robotikunternehmens Figure.AI verfügt über 30. Das „X“ im Firmennamen steht für das Ziel des Unternehmens: „Beliebige Freiheitsgrade, unbegrenzte Freiheitsgrade“, sagt Wu.