Essa startup colocou humanos para dobrar roupas e ensinar robôs: agora pode valer US$ 1,2 bi

Ensinar um robô a dobrar uma camiseta, organizar objetos ou achatar uma caixa exige algo que os grandes modelos de inteligência artificial tiveram em abundância: dados. Uma startup americana aposta justamente em produzir essas informações e agora negocia uma rodada que pode avaliá-la em cerca de US$ 1,2 bilhão. A XDOF está em negociações avançadas para levantar uma Série B liderada pela 8VC, segundo o TechCrunch. Os termos ainda não são definitivos e podem mudar. O veículo não conseguiu determinar quanto a empresa pretende captar nem se a avaliação inclui o novo investimento. A negociação acontece menos de três meses depois de a companhia sair do modo secreto e anunciar uma rodada anterior de US$ 70 milhões. Segundo fontes ouvidas pelo TechCrunch, a XDOF não planejava voltar tão cedo ao mercado, mas o crescimento da operação atraiu investidores. Sua receita anualizada se aproxima de US$ 50 milhões. Criada em 2024 por pesquisadores ligados à Universidade da Califórnia em Berkeley, a XDOF desenvolve infraestrutura para produzir, organizar e tratar dados usados no treinamento de robôs. Os cofundadores são Philipp Wu, CEO, Fred Shentu, CTO, e Nemo Jin, COO. O gargalo está nos dados Grandes modelos de linguagem puderam ser treinados com enormes quantidades de textos e outros conteúdos disponíveis na internet. Na robótica, não existe uma base equivalente de informações sobre como máquinas devem manipular objetos e interagir com o mundo físico. Esse problema já aparecia na pesquisa acadêmica de Wu em Berkeley. Em sua tese de doutorado, ele destaca que dados coletados com robôs reais são caros e demorados de produzir, o que torna a escala e a qualidade das demonstrações humanas especialmente importantes. Uma das ferramentas desenvolvidas por Wu e Shentu antes da criação da empresa foi o GELLO, sistema de teleoperação de baixo custo que permite a uma pessoa controlar um braço robótico enquanto seus movimentos são registrados. Essas demonstrações podem depois ser usadas para ensinar a máquina a executar tarefas semelhantes. A XDOF transformou essa lógica em negócio. A companhia opera sistemas de teleoperação e também pretende usar pessoas equipadas com sensores para registrar movimentos realizados em atividades cotidianas. Entre as tarefas utilizadas no treinamento estão dobrar roupas, achatar caixas e manipular pequenos objetos, segundo o TechCrunch. Mais dados nem sempre significam robô melhor A própria XDOF encontrou um dos problemas dessa abordagem ao treinar um robô para dobrar camisetas. Depois de adicionar mais demonstrações bem-sucedidas ao conjunto de treinamento, o desempenho da máquina piorou. Segundo relato técnico publicado pela empresa, parte das novas demonstrações continha períodos pouco úteis para o aprendizado, como hesitações, ajustes e movimentos que não contribuíam diretamente para completar a tarefa. O episódio levou a equipe a desenvolver métodos para identificar e reduzir esse ruído. A experiência também mostra que o desafio não é apenas produzir grandes volumes de dados, mas selecionar quais trechos realmente ajudam o robô a aprender. Em junho, a empresa lançou o ABC-130K, conjunto aberto com mais de 130 mil episódios de teleoperação distribuídos por 200 tarefas de manipulação, produzido em parceria com pesquisadores de Berkeley. A XDOF o apresenta como o maior conjunto aberto desse tipo. 20 clientes e uma nova rodada Quando saiu do modo secreto em junho, a empresa afirmou ao TechCrunch que já atendia 20 clientes, incluindo alguns dos principais laboratórios de inteligência artificial. Os nomes não foram divulgados. A XDOF tinha cerca de 60 funcionários naquele momento e havia levantado US$ 70 milhões de investidores como Thrive Capital, Spark Capital, Andreessen Horowitz, Lux Capital e WndrCo. Agora, pouco mais de dois meses depois, investidores procuraram novamente a companhia para uma nova rodada. Se a negociação for concluída nos termos atualmente discutidos, a XDOF passará a ter uma avaliação de cerca de US$ 1,2 bilhão pouco menos de dois anos depois de sua criação. Mais Lidas