收集机器人训练数据：脏活累活，但AI实验室已经开始付费了
如果物理AI要像大语言模型（LLM）那样取得突破，首先得解决数据问题。两周前，OpenAI宣布重启2021年关闭的机器人项目，这释放了一个明确信号：顶级AI实验室正在争相教会机器在物理世界中操作。但打造有能力的机器人需要一种AI行业目前尚未拥有的东西——与语言模型训练数据相匹配的物理交互数据。这一缺口正催生一种新型基础设施业务。
与依赖海量公开文本的LLM不同，机器人需要捕捉物理交互的数据，而这种数据几乎不存在。YouTube视频和零工工人拍摄的片段保真度低，且难以与物理世界对齐。今天，一家名为 XDOF（发音为"ecks-doff"）的初创公司从隐身模式中走出，它押注AI的下一个瓶颈不是模型或芯片，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。该公司旨在构建前沿实验室和机器人公司难以自行搭建的数据管道、收集工具和标注系统，并已从 Thrive Capital、Spark Capital、a16z、Lux 和 WndrCo 筹集了 7000万美元。
XDOF联合创始人兼CEO Philipp Wu 表示，这家拥有约60名员工的公司已与20家客户合作，其中包括几个前沿AI实验室，但无法透露具体名称。Wu说："所有顶级实验室都在尝试进军机器人领域。我们已经看到在语言模型竞赛中落后的一些教训……你不想在追求这项技术时太晚，每个人都明白物理AI是下一个前沿。"
Wu本人在加州大学伯克利分校攻读博士时就遇到了这个问题。他的研究方向是让机器人从大规模数据集中学习技能。但有一个问题："我们没有大规模数据可用，"他告诉TechCrunch，"这是一个先有鸡还是先有蛋的问题——我们首先需要实际收集数据，然后才能问如何训练机器人基础模型。"
Wu与未来的联合创始人兼CTO Fred Shentu 合作开发了一个名为 GELLO 的低成本远程操作系统，让人类操作员控制机械臂以生成训练数据。这篇论文在机器人领域影响深远，"因为很多人都有类似的需求和瓶颈，许多人开始利用这类设备进行数据收集。"
看到机会后，Wu、Shentu和第三位联合创始人兼COO决定创办XDOF。他们发现，虽然远程操作收集数据是可行的，但规模化面临巨大挑战。为此，XDOF开发了专用硬件和软件平台，包括定制化数据收集设备、标注工具和安全管理方案，以帮助客户高效、安全地获取高质量训练数据。Wu强调，这绝不是简单的外包，而是构建一个完整的数据基础设施。
随着物理AI竞赛升温，XDOF能否成为机器人领域的Scale AI？时间会给出答案。
