Laboratórios de IA pagam à XDOF pela coleta de dados desorganizados para treinamento de robôs

Há duas semanas, a OpenAI anunciou que iria retomar o programa de robótica que havia encerrado em 2021 — o mais recente sinal de que os principais laboratórios de IA estão competindo para ensinar as máquinas a operar no mundo físico. Mas a construção de robôs capazes requer algo que ainda falta ao setor de IA: dados de treinamento equivalentes aos utilizados pelos modelos de linguagem.

Essa lacuna está impulsionando um novo tipo de negócio de infraestrutura. Ao contrário dos LLMs, que foram treinados com enormes quantidades de texto disponível publicamente, os robôs precisam de dados que capturem interações físicas — e esse tipo de dado praticamente não existe. Vídeos do YouTube e filmagens feitas por trabalhadores autônomos têm baixa qualidade e são difíceis de alinhar com o mundo físico.

A XDOF (pronuncia-se “ecks-doff”), que saiu do sigilo hoje, acredita que o próximo grande gargalo na IA não serão os modelos ou os chips, mas o ciclo de feedback de dados necessário para ensinar os robôs a interagir com o mundo físico.

A startup tem como objetivo construir os fluxos de dados, as ferramentas de coleta e os sistemas de anotação que laboratórios de ponta e empresas de robótica não conseguem desenvolver facilmente por conta própria — e levantou US$ 70 milhões da Thrive Capital, Spark Capital, a16z, Lux e WndrCo para isso. O cofundador e CEO Philippe Wu afirma que a XDOF, que emprega cerca de 60 pessoas, já está trabalhando com 20 clientes, incluindo vários laboratórios de ponta em IA, embora ele não possa revelar seus nomes.

“Todos os principais laboratórios estão tentando avançar na robótica”, disse Wu. “Já vimos algumas das desvantagens de ficar um pouco para trás na corrida dos modelos de linguagem… você não quer acabar em uma situação em que busque essa tecnologia tarde demais, e todos estejam no mesmo barco, em que a IA física é a próxima fronteira.”

Wu enfrentou esse problema em primeira mão quando era aluno de doutorado na UC Berkeley. Seu foco era permitir que robôs aprendessem habilidades a partir de conjuntos de dados em grande escala. Havia apenas um problema.

“Não tínhamos dados em grande escala com os quais trabalhar”, disse ele ao TechCrunch. “Havia esse problema do ovo e da galinha — primeiro precisávamos coletar dados antes mesmo de podermos perguntar como treinar um modelo básico para a robótica.”

Wu e seu futuro cofundador e diretor de tecnologia (CTO) da XDOF, Fred Shentu, trabalharam em um projeto chamado GELLO, um sistema de teleoperação de baixo custo que permite que um operador humano controle um braço robótico para gerar dados de treinamento. “Acabou se tornando um artigo muito influente na área de robótica, porque muitas pessoas tinham necessidades e gargalos semelhantes, e muitas começaram a utilizar esse tipo de dispositivo para coleta de dados”, disse Wu.

Percebendo a oportunidade, Wu, Shentu e o terceiro cofundador e diretor de operações, Nemo Jin, lançaram a XDOF em outubro de 2024 para oferecer um ecossistema de dados para empresas que buscam desenvolver modelos de robótica. Ciente de que apenas o fornecimento de dados pode ser um negócio sem futuro, a empresa também está focada na limpeza, no desenvolvimento de ferramentas e na anotação de dados — criando um ciclo de feedback que se autoalimenta para os treinadores de robôs.

Como ponto de partida, a empresa está fazendo parceria com o Laboratório de Pesquisa em IA da UC Berkeley para lançar o que acredita ser a maior coleção de dados de treinamento de robôs de alta qualidade já reunida, chamada de ABC. Ela inclui 130 mil trajetórias de dados de manipulação robótica, 300 horas de simulação e 100 horas de avaliações. Esse tipo de dado de pré-treinamento em grande escala nunca esteve disponível para a academia antes.

“Vimos nas áreas de linguagem, geração de imagens e outros campos que, quando modelos e dados são divulgados, a comunidade alcança resultados que você não necessariamente esperaria”, disse David McAllister, aluno de doutorado de Berkeley que ajudou a organizar o lançamento, ao TechCrunch.

A equipe já utilizou os dados para treinar robôs em tarefas de referência, como dobrar camisetas e achatar caixas, ou colocar AirPods em seus estojos.

Graus de liberdade ilimitados

A empresa planeja trabalhar em três níveis de uma pirâmide de dados. O nível mais valioso é o de dados de teleoperação coletados no próprio robô que está sendo utilizado; em seguida, vêm os robôs teleoperados que coletam dados mais gerais, como no caso do GELLO; e, finalmente, os dados “egocêntricos” coletados por humanos realizando tarefas cotidianas, para os quais a XDOF planeja desenvolver seus próprios sensores vestíveis.

“A escolha da câmera afetará a qualidade dos dados — o que, por sua vez, afetará o desempenho do algoritmo de rastreamento de mãos”, disse Wu. “Se o hardware não for bem projetado desde o início, os dados coletados podem apresentar problemas muito específicos que você não previu.”

A empresa planeja contratar e treinar um grande número de teleoperadores e operadores de dados egocêntricos em todo o mundo — um modelo que exige muita mão de obra e levanta uma questão óbvia: por que os principais laboratórios não estão fazendo esse trabalho de produção de dados por conta própria?

“É preciso um armazém de centenas de milhares de pés quadrados com centenas de robôs”, disse Wu. “É preciso fazer a manutenção desses robôs, calibrar seus parâmetros físicos e treinar adequadamente os operadores.”

É uma estrutura que exige foco, capital e escala operacional que a maioria dos laboratórios de IA prefere terceirizar — e é exatamente nesse mercado que a XDOF está apostando.

O nome XDOF é um trocadilho com o termo da robótica “graus de liberdade”, que descreve o número de movimentos independentes que um robô pode realizar. Seu braço, do ombro ao pulso, tem sete graus de liberdade. O robô mais recente da empresa de robótica humanóide Figure.AI tem 30. O “X” no nome da empresa reflete sua ambição: “Graus de liberdade arbitrários, graus de liberdade ilimitados”, diz Wu.