Todos los laboratorios de IA importantes quieren ahora robots que puedan doblar la ropa, empaquetar cajas y moverse por cocinas. Pero no existe un “internet” para los datos de interacción física. No se pueden extraer de la red mediante scraping, no es fácil recurrir al crowdsourcing ni se puede solucionar todo mediante simulaciones. Hay que salir y recolectarlos: robot por robot, tarea por tarea, en el mundo real.
Ese es el problema que XDOF salió del anonimato para resolver en junio de 2026. La startup con sede en Berkeley recaudó 70 millones de dólares de Thrive Capital, Andreessen Horowitz, Lux Capital, Spark Capital y WndrCo, e inmediatamente publicó ABC, el mayor conjunto de datos de manipulación bimanual de código abierto hasta la fecha: 130.000 trayectorias en 195 tareas, además de 300 horas de datos de simulación y 100 horas de evaluaciones [2][3]. Tres meses después, la empresa se encuentra en conversaciones avanzadas para una Serie B con una valoración de 1.200 millones de dólares liderada por 8VC, con unos ingresos anualizados que se acercan a los 50 millones de dólares [4].
La velocidad de esa trayectoria dice mucho sobre el mercado. Pero la pregunta más interesante es si XDOF está construyendo una plataforma que escala como el software, o un negocio de servicios que escala según el número de empleados.
El cuello de botella de los datos es estructural, no temporal
Los modelos de lenguaje tenían internet. Décadas de escritura humana estaban listas para ser utilizadas en el entrenamiento. Los robots no tienen nada comparable. Los vídeos de YouTube carecen de fidelidad y de base física (grounding). Las grabaciones de trabajadores temporales son difíciles de conciliar con la física real. Los simuladores ayudan, pero la brecha entre simulación y realidad (sim-to-real) sigue siendo persistente [2].
Philipp Wu, CEO de XDOF, se topó con este muro mientras realizaba su doctorado en la UC Berkeley. “No teníamos datos a gran escala con los que trabajar”, declaró a TechCrunch. “Existía el problema del huevo y la gallina. Primero necesitábamos recolectar datos antes de poder siquiera plantearnos cómo entrenar un modelo fundacional para la robótica” [2]. Esa idea se convirtió en la tesis fundacional de XDOF: la parte difícil de construir robots no es el modelo, ni el chip, sino los datos; específicamente, los datos de interacción física recolectados a escala en el mundo real.
Crear una operación de datos interna implica espacio en almacenes, flotas de robots, mantenimiento, formación de operadores y calibración. Es operativamente brutal y desvía la atención de la investigación. Por eso, los laboratorios de vanguardia pagan a XDOF para que lo haga por ellos. La empresa contaba con unos 20 clientes de pago en su lanzamiento, varios de ellos laboratorios de IA líderes, aunque ninguno ha sido nombrado públicamente [2][3].
Cómo recolecta datos XDOF a escala
XDOF gestiona un sistema de recolección de tres niveles. La base es GELLO, un sistema de teleoperación de bajo coste que los fundadores crearon durante sus investigaciones. Permite que un operador humano controle un brazo robótico de forma remota para generar demostraciones de entrenamiento [2][4]. Además de eso, XDOF diseña su propio hardware de recolección de datos, dirige las operaciones físicas (almacenes, flotas de robots, mantenimiento) y construye los flujos de anotación que convierten las trayectorias brutas en conjuntos de datos listos para el modelo [2].
La empresa opera actualmente cientos de robots teleoperados en paralelo para sus clientes [3]. No se trata de una apuesta puramente de software. El hardware es parte de los datos. Como dice el perfil de LinkedIn de XDOF: “Aunque los algoritmos de procesamiento pueden mejorar constantemente, no se pueden cambiar los datos a nivel de sensor una vez capturados. Lo que se ha perdido, se ha perdido. Lo que está mal, está mal” [7].
También recolectan datos egocéntricos —humanos que llevan sensores corporales mientras realizan tareas cotidianas como doblar ropa o aplanar cajas— para capturar datos de movimiento que la teleoperación por sí sola no detecta [4]. El plan consiste en contratar y formar equipos de recolectores de datos en todo el mundo, combinando teleoperadores remotos con operadores egocéntricos in situ.
El conjunto de datos ABC: el código abierto como carta de presentación
ABC (abreviatura de “A Berkeley Collection” o similar; la empresa no ha explicado el acrónimo públicamente de forma completa) es la prueba de capacidad de XDOF. En colaboración con el laboratorio de investigación de IA de la UC Berkeley, el conjunto de datos abarca 130.000 trayectorias de manipulación en 195 tareas bimanuales [3][6]. Incluye equivalentes en simulación y pruebas de referencia (benchmarks) de evaluación.
Publicar el mayor conjunto de datos de robótica de código abierto de la historia sirve para varios propósitos. Demuestra competencia técnica ante clientes potenciales. Establece un estándar de calidad para la industria. Y crea un polo de atracción para investigadores que más tarde podrían convertirse en clientes o empleados. Sin embargo, los datos abiertos por sí solos no construyen una ventaja competitiva sostenible (moat).
Preocupaciones sobre la calidad y costes de cambio
Altis Research, que realizó 21 entrevistas con compradores de XDOF, informa de un matiz crítico: los clientes calificaron la calidad de los datos de XDOF por debajo de la que ellos mismos recolectan, y afirmaron que los costes de cambio eran modestos [3]. Ese es, en pocas palabras, el argumento de los pesimistas. Si el producto es un servicio básico (commodity) —“hacemos la teleoperación por ti”—, entonces los márgenes se reducen y la retención se debilita a medida que los laboratorios desarrollan su capacidad interna o cambian a proveedores más baratos.
El argumento de los optimistas es que la experiencia integral de XDOF (diseño de hardware, operaciones, herramientas de anotación, curación de conjuntos de datos) se combina en una plataforma que se vuelve más difícil de replicar con el tiempo. La empresa se describe a sí misma como “en parte empresa de hardware, en parte firma de operaciones y en parte plataforma de datos” [2]. Los inversores la han comparado con Scale AI o Mercor para la robótica física, los gigantes del etiquetado de datos que impulsaron el auge de los LLM [4]. Pero Scale AI se benefició de un grupo masivo y preexistente de etiquetadores humanos. XDOF tiene que construir su propia infraestructura de recolección desde cero.
Qué significa esto para el ecosistema robótico
La decisión de OpenAI de reiniciar su programa de robótica en 2026 (tras cerrarlo en 2021) envió una señal a toda la industria: la IA física es ahora una prioridad fundamental, no un proyecto secundario [2][6]. Eso desencadenó una carrera por la infraestructura de datos. XDOF es el ganador temprano más visible, pero entre sus competidores se encuentran Mecka AI y plataformas de datos humanos que se están expandiendo más allá de los LLM, como Scale AI y Micro1 [4].
La cuestión para los próximos 18 meses es si la recolección de datos por teleoperación presenta una economía de plataforma —donde el coste marginal cae a medida que aumenta la escala— o una economía de servicios —donde cada nuevo cliente requiere un aumento proporcional de personal y hardware—. La valoración de 1.200 millones de dólares de XDOF sugiere que los inversores apuestan por lo primero. Los modestos costes de cambio reportados por los clientes sugieren que lo segundo podría seguir predominando.
Para los desarrolladores de robótica, la conclusión práctica es clara: la capa de datos ya no es algo que se pueda ignorar o externalizar por completo sin riesgo. Ya sea asociándose con XDOF, desarrollando capacidad interna o esperando a que el mercado madure, la calidad y la escala de sus datos de interacción física determinarán lo que sus modelos podrán hacer realmente en el mundo real.
¿Quieres seguir la evolución del mercado de infraestructuras de datos para robótica? Suscríbete al boletín semanal de AskBrainy para obtener análisis que separan la señal del ruido.
Fuentes
- What Is XDOF Robotics: The $70M Startup Building the Data Engine Behind …
- XDOF — Robotics Data Infrastructure | Altis Research
- XDOF launches ABC dataset and raises $70 million | Межа
- XDOF, just 3 months out of stealth, is in talks for a … - TechCrunch
- XDOF - LinkedIn
- About | XDOF
- xDOF 2026 Company Profile: Valuation, Funding & Investors | PitchBook
