Развитие физического ИИ столкнулось с дефицитом качественных обучающих данных. В отличие от текстовых моделей, которые обучаются на массивах из интернета, робототехнике требуются специфические наборы данных, фиксирующие взаимодействие машин с реальными объектами. Этот процесс остается трудоемким и требует ручного сбора информации в непредсказуемых физических условиях.
Стартап XDOF специализируется на создании инфраструктуры для сбора таких данных, предлагая лабораториям ИИ масштабируемые решения для записи действий роботов. Компания использует специализированные платформы и методы сбора, чтобы перевести процесс из разряда кустарных экспериментов в промышленный поток. Это позволяет разработчикам быстрее обучать модели управления манипуляторами и мобильными платформами, сокращая время на подготовку датасетов.
Инвестиции в подобные сервисы подчеркивают смену парадигмы в робототехнике: фокус смещается с создания аппаратного обеспечения на формирование качественных пайплайнов данных. Без стандартизированных подходов к сбору информации о физических процессах прогресс в области универсальных роботов-помощников остается ограниченным. Отраслевые игроки все чаще делегируют эту задачу внешним подрядчикам, чтобы сфокусироваться на архитектурах нейросетей и алгоритмах обучения с подкреплением.