Artık her büyük yapay zeka laboratuvarı çamaşır katlayabilen, kutu paketleyebilen ve mutfakta yolunu bulabilen robotlar istiyor. Ancak fiziksel etkileşim verileri için bir internet yok. Bu verileri internetten kazıyamaz (scrape), kolayca kitle kaynaklı (crowdsource) hale getiremez veya simülasyonlarla bu sorunun etrafından dolanamazsınız. Dışarı çıkıp bu verileri gerçek dünyada robot robot, görev görev toplamanız gerekir.
İşte bu, XDOF’un Haziran 2026’da gizlilik modundan çıkarak çözmeyi hedeflediği sorundu. Berkeley merkezli girişim; Thrive Capital, Andreessen Horowitz, Lux Capital, Spark Capital ve WndrCo’dan 70 milyon dolar yatırım aldı ve hemen ardından bugüne kadarki en büyük açık kaynaklı çift kollu manipülasyon veri kümesi olan ABC’yi yayınladı: 195 görevde 130.000 yörünge, ayrıca 300 saatlik simülasyon verisi ve 100 saatlik değerlendirme [2][3]. Üç ay sonra şirket, 8VC liderliğinde 1,2 milyar dolarlık değerleme üzerinden, yıllık geliri 50 milyon dolara yaklaşan bir Seri B yatırım turu için ileri aşama görüşmeler yürütüyor [4].
Bu yükselişin hızı size pazar hakkında bir şeyler söylüyor. Ancak asıl ilginç soru, XDOF’un yazılım gibi ölçeklenen bir platform mu, yoksa çalışan sayısıyla doğru orantılı ölçeklenen bir hizmet işi mi inşa ettiği.
Veri darboğazı geçici değil, yapısal
Dil modellerinin elinde internet vardı. Onlarca yıllık insan yazısı eğitim için hazır bekliyordu. Robotların ise kıyaslanabilecek hiçbir şeyi yok. YouTube videoları yeterli hassasiyete ve fiziksel temele sahip değil. Geçici işçilerin (gig-worker) görüntülerini gerçek fizikle bağdaştırmak zor. Simülatörler yardımcı oluyor ancak simülasyondan gerçeğe geçiş (sim-to-real) boşluğu hala aşılamıyor [2].
XDOF CEO’su Philipp Wu, UC Berkeley’de doktora öğrencisiyken bu duvara çarptı. TechCrunch’a verdiği demeçte, “Üzerinde çalışabileceğimiz büyük ölçekli verilerimiz yoktu,” dedi. “Bir tavuk-yumurta problemi vardı. Robotik için bir temel modelin nasıl eğitileceğini sormadan önce, aslında veri toplamamız gerekiyordu” [2]. Bu içgörü, XDOF’un kurucu tezi haline geldi: Robot inşa etmenin zor kısmı model veya çip değil, veridir; özellikle de gerçek dünyada ölçekli bir şekilde toplanan fiziksel etkileşim verisidir.
Şirket içinde bir veri operasyonu kurmak; depo alanı, robot filoları, bakım, operatör eğitimi ve kalibrasyon anlamına gelir. Bu, operasyonel açıdan yıpratıcıdır ve odağı araştırmadan uzaklaştırır. Bu yüzden öncü laboratuvarlar, bunu kendileri yapmak yerine XDOF’a ödeme yapıyor. Şirketin lansman sırasında yaklaşık 20 ödeme yapan müşterisi vardı; bunların birkaçı önde gelen yapay zeka laboratuvarlarıydı ancak hiçbirinin ismi kamuoyuna açıklanmadı [2][3].
XDOF verileri ölçekli bir şekilde nasıl topluyor?
XDOF üç katmanlı bir toplama sistemi yürütüyor. Temelini, kurucuların araştırmaları sırasında geliştirdikleri düşük maliyetli bir teleoperasyon sistemi olan GELLO oluşturuyor. Bu sistem, bir insan operatörün eğitim demoları oluşturmak için bir robot kolunu uzaktan kontrol etmesini sağlıyor [2][4]. Bunun üzerine XDOF, kendi veri toplama donanımını tasarlıyor, fiziksel operasyonları (depolar, robot filoları, bakım) yönetiyor ve ham yörüngeleri modele hazır veri kümelerine dönüştüren açıklama (annotation) hatlarını kuruyor [2].
Şirket şu anda müşterileri için paralel olarak yüzlerce teleoperasyonlu robot çalıştırıyor [3]. Bu sadece bir yazılım işi değil. Donanım, verinin bir parçasıdır. XDOF’un LinkedIn sayfasında belirtildiği gibi: “İşleme algoritmaları her zaman daha iyi hale gelebilse de, bir kez yakalandıktan sonra sensör seviyesindeki veriyi değiştiremezsiniz. Giden gitmiştir. Yanlış olan yanlıştır” [7].
Ayrıca, sadece teleoperasyonun kaçırdığı hareket verilerini yakalamak için çamaşır katlamak ve kutuları düzleştirmek gibi günlük görevleri yerine getiren, vücut sensörleri takmış insanlardan benmerkezli (egocentric) veriler topluyorlar [4]. Plan, dünya çapında veri toplama ekipleri kurup eğitmek; uzaktan teleoperatörleri yerinde benmerkezli operatörlerle birleştirmek.
ABC veri kümesi: Bir kartvizit olarak açık kaynak
ABC (“A Berkeley Collection” veya benzeri bir ifadenin kısaltması; şirket bu kısaltmayı kamuoyuna tam olarak açıklamadı), XDOF’un yeteneklerinin bir kanıtıdır. UC Berkeley’in Yapay Zeka Araştırma laboratuvarı ile ortaklaşa hazırlanan veri kümesi, 195 çift kollu görevde 130.000 manipülasyon yörüngesini kapsıyor [3][6]. Simülasyon karşılıklarını ve değerlendirme kıyaslamalarını içeriyor.
Şimdiye kadarki en büyük açık kaynaklı robotik veri kümesini yayınlamak birden fazla amaca hizmet ediyor. Potansiyel müşterilere teknik yetkinliği kanıtlıyor. Sektör için bir kalite çıtası belirliyor. Ve daha sonra müşteri veya çalışan olabilecek araştırmacılar için bir çekim merkezi oluşturuyor. Ancak tek başına açık veri, bir rekabet avantajı (moat) yaratmaz.
Kalite endişeleri ve geçiş maliyetleri
XDOF alıcılarıyla 21 mülakat gerçekleştiren Altis Research, kritik bir nüansa dikkat çekiyor: Müşteriler XDOF’un veri kalitesini kendi topladıklarından daha düşük olarak değerlendirdi ve geçiş maliyetlerinin düşük olduğunu belirtti [3]. Bu, olumsuz senaryonun (bear case) özeti. Eğer ürün sıradan bir hizmetse (“sizin için teleoperasyon yapıyoruz”), laboratuvarlar kendi iç yetkinliklerini geliştirdikçe veya daha ucuz sağlayıcılara geçtikçe marjlar daralır ve müşteri bağlılığı zayıflar.
Olumlu senaryo (bull case) ise XDOF’un tam kapsamlı uzmanlığının (donanım tasarımı, operasyonlar, açıklama araçları, veri kümesi kürasyonu) zamanla kopyalanması zorlaşan bir platforma dönüşmesidir. Şirket kendisini “kısmen donanım şirketi, kısmen operasyon firması, kısmen veri platformu” olarak tanımlıyor [2]. Yatırımcılar onu, LLM patlamasını besleyen veri etiketleme devleri Scale AI veya Mercor’a benzetiyor [4]. Ancak Scale AI, halihazırda var olan devasa bir insan etiketleyici havuzundan yararlandı. XDOF ise kendi toplama altyapısını sıfırdan inşa etmek zorunda.
Bu durum robotik yığını için ne anlama geliyor?
OpenAI’ın 2026’da robotik programını yeniden başlatma kararı (2021’de kapattıktan sonra) sektöre bir sinyal gönderdi: Fiziksel yapay zeka artık bir yan proje değil, temel bir öncelik [2][6]. Bu durum, veri altyapısı için bir yarışı tetikledi. XDOF en görünür erken kazanan olsa da rakipler arasında Mecka AI ve Scale AI ile Micro1 gibi LLM’lerin ötesine geçen insan-veri platformları bulunuyor [4].
Önümüzdeki 18 ayın sorusu, teleoperasyon veri toplama işinin, ölçek arttıkça marjinal maliyetin düştüğü “platform ekonomisi” mi, yoksa her yeni müşterinin orantılı olarak yeni personel ve donanım gerektirdiği “hizmet ekonomisi” mi sergileyeceğidir. XDOF’un 1,2 milyar dolarlık değerleme görüşmesi, yatırımcıların ilk seçeneğe bahis oynadığını gösteriyor. Müşteriler tarafından bildirilen düşük geçiş maliyetleri ise ikincisinin hala baskın olabileceğine işaret ediyor.
Robotik geliştiricileri için çıkarılacak pratik ders açık: Veri katmanı artık görmezden gelinebilecek veya risk almadan tamamen dış kaynaklara devredilebilecek bir şey değil. İster XDOF ile ortaklık kurun, ister kendi iç yetkinliğinizi geliştirin veya pazarın olgunlaşmasını bekleyin; fiziksel etkileşim verilerinizin kalitesi ve ölçeği, modellerinizin gerçek dünyada neler yapabileceğini belirleyecektir.
Robotik veri altyapısı pazarının nasıl geliştiğini takip etmek ister misiniz? Sinyali gürültüden ayıran analizler için AskBrainy’nin haftalık bültenine abone olun.
Kaynaklar
- XDOF Robotik Nedir: Arkasındaki Veri Motorunu İnşa Eden 70 Milyon Dolarlık Girişim…
- XDOF — Robotik Veri Altyapısı | Altis Research
- XDOF, ABC veri kümesini yayınladı ve 70 milyon dolar yatırım aldı | Межа
- Gizlilik modundan çıkalı sadece 3 ay olan XDOF, … için görüşmelerde - TechCrunch
- XDOF - LinkedIn
- Hakkında | XDOF
- xDOF 2026 Şirket Profili: Değerleme, Finansman ve Yatırımcılar | PitchBook
