Raccolta dati per robot è un lavoro sporco e poco affascinante: XDOF in aiuto.
L’esperienza di un ricercatore
Wu ha sperimentato personalmente questo problema durante il suo dottorato alla UC Berkeley, dove si concentrava sull’insegnare ai robot a imparare abilità da set di dati su larga scala. La sfida principale, però, era l’assenza di dati su larga scala.
“Non avevamo dati sufficienti con cui lavorare,” racconta a TechCrunch. “C’era questo problema circolare: prima dovevamo raccogliere dati, prima di chiedere come addestrare un modello di base per la robotica.” Insieme a Fred Shentu, co-fondatore e CTO di XDOF, Wu ha lavorato su un progetto chiamato GELLO, un sistema di teleoperazione a basso costo che consente a un operatore umano di controllare un braccio robotico per generare dati di addestramento.
Questo progetto è diventato una pubblicazione influente nel campo della robotica, poiché molte persone affrontavano problemi simili nella raccolta di dati.
Un’opportunità unica nel mercato
Notando un’opportunità, Wu, Shentu e il terzo cofondatore e Chief Operating Officer Nemo Jin, hanno lanciato XDOF nell’ottobre 2024. La startup si propone di fornire un ecosistema di dati per le aziende che si dedicano ai modelli di robotica. Consapevoli che la fornitura di dati da sola può essere un’attività senza sbocchi, la società si concentra anche sulla pulizia dei dati, sull’ottimizzazione degli strumenti e sull’annotazione, creando un ciclo di feedback auto-rinforzante per chi addestra i robot.
Attualmente, l’azienda collabora con il laboratorio di ricerca AI della UC Berkeley per rilasciare quella che è considerata la più grande collezione di dati di addestramento di robot di alta qualità mai assemblata, denominata ABC. Questa include 130.000 traiettorie di dati di manipolazione robotica, 300 ore di simulazione e 100 ore di valutazione. Non era mai stata disponibile prima per la comunità accademica.
About The Author
