Moins de trois mois après sa sortie du mode furtif, XDOF mène, sous la direction de 8VC, des discussions à un stade avancé en vue d’une levée de fonds de Series B à une valorisation d’environ $1.2B. Fondée en 2024 par les chercheurs de UC Berkeley Philipp Wu (CEO) et Fred Shentu (CTO), la société avait annoncé en juin un tour de Series A de $70 millions auquel avaient participé Thrive Capital, Andreessen Horowitz, Lux et Spark Capital. Alors que le chiffre d’affaires annualisé de XDOF approche $50 millions, le montant total du nouveau tour et la question de savoir si la valorisation inclut le nouvel investissement restent inconnus ; les conditions de l’accord ne sont pas finalisées.
La société collecte des données de téléopération issues du monde réel pour entraîner des robots à usage général et vise à fournir aux entreprises de robotique et aux laboratoires d’AI avancée les infrastructures de collecte de données, les outils et les systèmes d’annotation qu’ils auraient du mal à mettre en place seuls. Le système GELLO à faible coût, développé précédemment par Wu et Shentu, permet aux humains de contrôler à distance un bras robotique afin de produire des données d’entraînement et constitue le fondement de XDOF.
XDOF considère l’absence, pour les robots physiques, d’un ensemble de données d’entraînement aussi vaste que celui d’Internet comme un obstacle majeur. En collaboration avec le laboratoire AI Research de UC Berkeley, la société prévoit de publier ABC, qu’elle considère comme la plus grande collection de données d’entraînement robotique de haute qualité jamais constituée. Dans le processus de collecte de données, elle fait appel non seulement à des téléopérateurs qui contrôlent des robots à distance, mais aussi à des personnes qui enregistrent au moyen de capteurs des tâches quotidiennes telles que plier des vêtements et aplatir des boîtes. XDOF, qui prévoit de créer des équipes de collecte de données dans le monde entier, avait annoncé avoir déjà travaillé avec 20 clients, dont plusieurs laboratoires d’AI avancée. Mecka AI, Scale AI et Micro1 opèrent également dans un domaine similaire.
Pourquoi c’est important
L’importance de cette évolution tient au fait que les données d’entraînement s’imposent comme un goulet d’étranglement central dans les progrès des systèmes robotiques, au même titre que le matériel physique. Le fait que XDOF combine les données collectées par téléopération et au moyen de capteurs avec des outils et une infrastructure d’annotation se concentre sur le problème de la production de données, que les entreprises de robotique et les laboratoires d’AI avancée ont du mal à résoudre seuls. La collection ABC, prévue en collaboration avec Berkeley AI Research lab, fait partie des éléments à suivre pour évaluer la portée de cette approche dans les processus de recherche et de développement de produits ; toutefois, la collection n’a pas encore été publiée. La présence d’entreprises telles que Mecka AI, Scale AI et Micro1 montre également que la concurrence se structure autour de cette infrastructure de données. Les conditions du nouveau tour et la question de savoir s’il inclut ou non la valorisation annoncée restent, quant à elles, en suspens.
Contexte
Series n’est pas un nouveau nom dans les archives de FikirPilot : au cours des 90 derniers jours, nous avons publié 3 articles dans lesquels ce nom est mentionné ; le plus récent est daté du 4 septembre 2026.