Todos os grandes laboratórios de IA agora querem robôs que consigam dobrar roupas, embalar caixas e circular por cozinhas. Mas não existe uma “internet” para dados de interação física. Não é possível fazer scraping, usar crowdsourcing facilmente ou contornar o problema apenas com simulações. É preciso ir a campo e coletar esses dados — robô por robô, tarefa por tarefa, no mundo real.
Esse é o problema que a XDOF se propôs a resolver ao sair do modo “stealth” em junho de 2026. A startup sediada em Berkeley captou US$ 70 milhões da Thrive Capital, Andreessen Horowitz, Lux Capital, Spark Capital e WndrCo, e lançou imediatamente o ABC, o maior conjunto de dados de manipulação bimanual de código aberto até o momento: 130.000 trajetórias em 195 tarefas, além de 300 horas de dados de simulação e 100 horas de avaliações [2][3]. Três meses depois, a empresa está em negociações avançadas para uma Série B com uma avaliação de US$ 1,2 bilhão liderada pela 8VC, com uma receita anualizada próxima de US$ 50 milhões [4].
A velocidade dessa trajetória diz muito sobre o mercado. Mas a questão mais interessante é se a XDOF está construindo uma plataforma que escala como software ou um negócio de serviços que escala conforme o número de funcionários.
O gargalo de dados é estrutural, não temporário
Modelos de linguagem tinham a internet. Décadas de escrita humana estavam prontas para o treinamento. Os robôs não têm nada comparável. Vídeos do YouTube carecem de fidelidade e fundamentação física. Imagens de trabalhadores temporários (gig-workers) são difíceis de conciliar com a física real. Simuladores ajudam, mas a lacuna entre simulação e realidade (sim-to-real gap) continua sendo um obstáculo persistente [2].
Philipp Wu, CEO da XDOF, deparou-se com essa barreira durante seu doutorado na UC Berkeley. “Não tínhamos dados em larga escala para trabalhar”, disse ele ao TechCrunch. “Havia esse problema do ovo e da galinha. Primeiro precisávamos coletar dados de fato antes mesmo de podermos perguntar como treinar um modelo de fundação para a robótica” [2]. Essa percepção tornou-se a tese fundadora da XDOF: a parte difícil de construir robôs não é o modelo, nem o chip, mas os dados — especificamente, dados de interação física coletados em escala no mundo real.
Construir uma operação de dados interna exige espaço em armazéns, frotas de robôs, manutenção, treinamento de operadores e calibração. É operacionalmente brutal e desvia o foco da pesquisa. Por isso, laboratórios de ponta pagam à XDOF para fazer isso em seu lugar. A empresa tinha cerca de 20 clientes pagantes no lançamento, vários deles laboratórios de IA líderes, nenhum nomeado publicamente [2][3].
Como a XDOF coleta dados em escala
A XDOF opera um sistema de coleta em três níveis. A base é o GELLO, um sistema de teleoperação de baixo custo que os fundadores criaram durante suas pesquisas. Ele permite que um operador humano controle um braço robótico remotamente para gerar demonstrações de treinamento [2][4]. Além disso, a XDOF projeta seu próprio hardware de coleta de dados, gerencia as operações físicas (armazéns, frotas de robôs, manutenção) e constrói os fluxos de anotação que transformam trajetórias brutas em conjuntos de dados prontos para modelos [2].
A empresa agora opera centenas de robôs teleoperados em paralelo para seus clientes [3]. Isso não é puramente um negócio de software. O hardware faz parte dos dados. Como diz o LinkedIn da XDOF: “Embora os algoritmos de processamento possam melhorar o tempo todo, você não pode mudar os dados no nível do sensor depois de capturados. O que se perdeu, perdeu-se. O que está errado, está errado” [7].
Eles também coletam dados egocêntricos — humanos usando sensores corporais realizando tarefas cotidianas, como dobrar roupas e achatar caixas — para capturar dados de movimento que a teleoperação sozinha não consegue registrar [4]. O plano é contratar e treinar equipes de coletores de dados em todo o mundo, combinando teleoperadores remotos com operadores egocêntricos no local.
O conjunto de dados ABC: código aberto como cartão de visitas
ABC (abreviação de “A Berkeley Collection” ou algo semelhante — a empresa não revelou o significado completo da sigla publicamente) é a prova de capacidade da XDOF. Em parceria com o laboratório de Pesquisa em IA da UC Berkeley, o conjunto de dados abrange 130.000 trajetórias de manipulação em 195 tarefas bimanuais [3][6]. Ele inclui equivalentes em simulação e benchmarks de avaliação.
Lançar o maior conjunto de dados de robótica de código aberto da história serve a vários propósitos. Demonstra competência técnica para clientes em potencial. Estabelece um padrão de qualidade para a indústria. E cria uma força de atração para pesquisadores que podem vir a se tornar clientes ou funcionários. Mas dados abertos, por si só, não constroem uma vantagem competitiva (moat).
Preocupações com a qualidade e custos de mudança
A Altis Research, que realizou 21 entrevistas com compradores da XDOF, relata uma nuance crítica: os clientes avaliaram a qualidade dos dados da XDOF como inferior à que eles mesmos coletam, e afirmaram que os custos de mudança eram modestos [3]. Esse é o argumento pessimista em resumo. Se o produto for um serviço de commodity — “operamos a teleoperação para você” — as margens diminuem e a retenção enfraquece à medida que os laboratórios desenvolvem capacidade interna ou migram para fornecedores mais baratos.
O argumento otimista é que a experiência “full-stack” da XDOF (design de hardware, operações, ferramentas de anotação, curadoria de conjuntos de dados) se acumula em uma plataforma que se torna mais difícil de replicar com o tempo. A empresa se descreve como “parte empresa de hardware, parte firma de operações, parte plataforma de dados” [2]. Investidores a compararam à Scale AI ou Mercor para robótica física — os gigantes da rotulagem de dados que impulsionaram o boom dos LLMs [4]. Mas a Scale AI se beneficiou de um conjunto massivo e pré-existente de rotuladores humanos. A XDOF precisa construir sua própria infraestrutura de coleta do zero.
O que isso significa para a infraestrutura de robótica
A decisão da OpenAI de reiniciar seu programa de robótica em 2026 (após encerrá-lo em 2021) enviou um sinal para toda a indústria: a IA física agora é uma prioridade central, não um projeto paralelo [2][6]. Isso desencadeou uma corrida por infraestrutura de dados. A XDOF é a vencedora inicial mais visível, mas os concorrentes incluem a Mecka AI e plataformas de dados humanos que estão se expandindo além dos LLMs, como Scale AI e Micro1 [4].
A questão para os próximos 18 meses é se a coleta de dados por teleoperação exibirá economias de plataforma — onde o custo marginal cai à medida que a escala aumenta — ou economias de serviços — onde cada novo cliente exige proporcionalmente novos funcionários e hardware. A conversa sobre a avaliação de US$ 1,2 bilhão da XDOF sugere que os investidores estão apostando na primeira opção. Os custos modestos de mudança relatados pelos clientes sugerem que a segunda ainda pode prevalecer.
Para os desenvolvedores de robótica, a lição prática é clara: a camada de dados não é mais algo que se possa ignorar ou terceirizar totalmente sem riscos. Seja em parceria com a XDOF, desenvolvendo capacidade interna ou esperando o mercado amadurecer, a qualidade e a escala dos seus dados de interação física determinarão o que seus modelos poderão realmente fazer no mundo real.
Quer acompanhar como o mercado de infraestrutura de dados para robótica evolui? Assine o boletim semanal da AskBrainy para análises que separam o sinal do ruído.
Fontes
- 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
