Setiap lab AI besar kini menginginkan robot yang bisa melipat cucian, mengemas kotak, dan menavigasi dapur. Namun, tidak ada internet untuk data interaksi fisik. Anda tidak bisa melakukan scraping, crowdsourcing dengan mudah, atau sekadar mengandalkan simulasi. Anda harus terjun langsung dan mengumpulkannya — robot demi robot, tugas demi tugas, di dunia nyata.
Itulah masalah yang ingin diselesaikan XDOF saat keluar dari mode senyap pada Juni 2026. Startup yang berbasis di Berkeley ini mengumpulkan dana sebesar $70 juta dari Thrive Capital, Andreessen Horowitz, Lux Capital, Spark Capital, dan WndrCo, serta segera merilis ABC, dataset manipulasi bimanual sumber terbuka terbesar hingga saat ini: 130.000 lintasan di 195 tugas, ditambah 300 jam data simulasi dan 100 jam evaluasi [2][3]. Tiga bulan kemudian, perusahaan ini sedang dalam pembicaraan tahap akhir untuk Seri B dengan valuasi $1,2 miliar yang dipimpin oleh 8VC, dengan pendapatan tahunan mendekati $50 juta [4].
Kecepatan lintasan tersebut menunjukkan sesuatu tentang pasar. Namun, pertanyaan yang lebih menarik adalah apakah XDOF sedang membangun platform yang berskala seperti perangkat lunak, atau bisnis layanan yang berskala seperti jumlah karyawan.
Hambatan data bersifat struktural, bukan sementara
Model bahasa memiliki internet. Tulisan manusia selama puluhan tahun siap untuk dijadikan bahan pelatihan. Robot tidak memiliki hal serupa. Video YouTube kurang memiliki fidelitas dan landasan fisik. Rekaman pekerja lepas sulit diselaraskan dengan fisika nyata. Simulator membantu, tetapi kesenjangan sim-to-real tetap sulit diatasi [2].
Philipp Wu, CEO XDOF, menemui jalan buntu ini saat menjadi mahasiswa PhD di UC Berkeley. “Kami tidak memiliki data skala besar untuk dikerjakan,” katanya kepada TechCrunch. “Ada masalah ayam-dan-telur di sini. Kami pertama-tama perlu benar-benar mengumpulkan data sebelum kami bisa bertanya bagaimana melatih model dasar untuk robotika” [2]. Wawasan tersebut menjadi tesis pendirian XDOF: bagian tersulit dalam membangun robot bukanlah modelnya, bukan chipnya, melainkan datanya — khususnya, data interaksi fisik yang dikumpulkan dalam skala besar di dunia nyata.
Membangun operasi data internal berarti membutuhkan ruang gudang, armada robot, pemeliharaan, pelatihan operator, dan kalibrasi. Secara operasional ini sangat berat dan mengalihkan fokus dari riset. Jadi, lab-lab terdepan membayar XDOF untuk melakukannya. Perusahaan ini memiliki sekitar 20 pelanggan berbayar saat peluncuran, beberapa di antaranya adalah lab AI terkemuka, meski tidak ada yang disebutkan namanya secara publik [2][3].
Bagaimana XDOF mengumpulkan data dalam skala besar
XDOF menjalankan sistem pengumpulan tiga tingkat. Fondasinya adalah GELLO, sistem teleoperasi berbiaya rendah yang dibuat oleh para pendiri selama riset mereka. Sistem ini memungkinkan operator manusia mengendalikan lengan robot dari jarak jauh untuk menghasilkan demonstrasi pelatihan [2][4]. Di atas itu, XDOF merancang perangkat keras pengumpulan datanya sendiri, menjalankan operasi fisik (gudang, armada robot, pemeliharaan), dan membangun pipa anotasi yang mengubah lintasan mentah menjadi dataset yang siap untuk model [2].
Perusahaan ini sekarang menjalankan ratusan robot yang dioperasikan dari jarak jauh secara paralel untuk pelanggannya [3]. Ini bukan sekadar permainan perangkat lunak murni. Perangkat keras adalah bagian dari data. Seperti yang dinyatakan dalam LinkedIn XDOF: “Meskipun algoritma pemrosesan bisa terus membaik, Anda tidak dapat mengubah data pada tingkat sensor setelah data tersebut diambil. Apa yang hilang, tetap hilang. Apa yang salah, tetap salah” [7].
Mereka juga mengumpulkan data egosentris — manusia yang mengenakan sensor tubuh saat melakukan tugas sehari-hari seperti melipat pakaian dan meratakan kotak — untuk menangkap data gerakan yang terlewatkan oleh teleoperasi saja [4]. Rencananya adalah merekrut dan melatih tim pengumpul data di seluruh dunia, menggabungkan teleoperator jarak jauh dengan operator egosentris di lokasi.
Dataset ABC: sumber terbuka sebagai kartu nama
ABC (singkatan dari “A Berkeley Collection” atau serupa — perusahaan belum sepenuhnya menjabarkan akronim tersebut secara publik) adalah bukti kemampuan XDOF. Bermitra dengan lab AI Research UC Berkeley, dataset ini mencakup 130.000 lintasan manipulasi di 195 tugas bimanual [3][6]. Ini mencakup padanan simulasi dan tolok ukur evaluasi.
Merilis dataset robotika sumber terbuka terbesar yang pernah ada memiliki banyak tujuan. Ini menunjukkan kompetensi teknis kepada calon pelanggan. Ini menetapkan standar kualitas bagi industri. Dan ini menciptakan daya tarik bagi para peneliti yang nantinya mungkin menjadi pelanggan atau karyawan. Namun, data terbuka saja tidak membangun parit pertahanan (moat).
Kekhawatiran kualitas dan biaya peralihan
Altis Research, yang melakukan 21 wawancara dengan pembeli XDOF, melaporkan nuansa kritis: pelanggan menilai kualitas data XDOF di bawah apa yang mereka kumpulkan sendiri, dan mengatakan biaya peralihannya rendah [3]. Itulah argumen pesimisnya secara singkat. Jika produknya adalah layanan komoditas — “kami menjalankan teleoperasi untuk Anda” — maka margin akan tertekan dan retensi melemah saat lab membangun kemampuan internal atau beralih ke penyedia yang lebih murah.
Argumen optimisnya adalah bahwa keahlian full-stack XDOF (desain perangkat keras, operasi, alat anotasi, kurasi dataset) akan terakumulasi menjadi platform yang semakin sulit ditiru seiring waktu. Perusahaan ini mendeskripsikan dirinya sebagai “sebagian perusahaan perangkat keras, sebagian firma operasi, sebagian platform data” [2]. Investor membandingkannya dengan Scale AI atau Mercor untuk robotika fisik — raksasa pelabelan data yang memicu ledakan LLM [4]. Namun, Scale AI diuntungkan oleh kumpulan pelabel manusia yang sudah ada dalam jumlah besar. XDOF harus membangun infrastruktur pengumpulannya sendiri dari nol.
Apa artinya ini bagi tumpukan teknologi robotika
Keputusan OpenAI untuk memulai kembali program robotikanya pada tahun 2026 (setelah menghentikannya pada tahun 2021) mengirimkan sinyal ke seluruh industri: AI fisik kini menjadi prioritas utama, bukan proyek sampingan [2][6]. Hal itu memicu perebutan infrastruktur data. XDOF adalah pemenang awal yang paling terlihat, tetapi pesaingnya termasuk Mecka AI, dan platform data manusia yang merambah ke luar LLM seperti Scale AI dan Micro1 [4].
Pertanyaan untuk 18 bulan ke depan adalah apakah pengumpulan data teleoperasi menunjukkan ekonomi platform — di mana biaya marginal turun seiring bertambahnya skala — atau ekonomi layanan — di mana setiap pelanggan baru membutuhkan jumlah karyawan dan perangkat keras baru yang proporsional. Pembicaraan valuasi $1,2 miliar XDOF menunjukkan bahwa investor bertaruh pada hal pertama. Biaya peralihan yang rendah yang dilaporkan oleh pelanggan menunjukkan bahwa hal kedua mungkin masih mendominasi.
Bagi para pembangun robotika, kesimpulan praktisnya jelas: lapisan data bukan lagi sesuatu yang bisa Anda abaikan atau serahkan sepenuhnya kepada pihak luar tanpa risiko. Baik Anda bermitra dengan XDOF, membangun kemampuan internal, atau menunggu pasar matang, kualitas dan skala data interaksi fisik Anda akan menentukan apa yang sebenarnya dapat dilakukan oleh model Anda di dunia nyata.
Ingin memantau bagaimana pasar infrastruktur data robotika berkembang? Berlanggananlah ke buletin mingguan AskBrainy untuk analisis yang memisahkan sinyal dari keriuhan (hype).
Sumber
- 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
