A corrida pela inteligência artificial física esbarra na escassez de dados de treinamento

O recente anúncio da OpenAI sobre o relançamento de seu programa de robótica, descontinuado em 2021, sinaliza a urgência dos grandes laboratórios de inteligência artificial em dominar a interação física. No entanto, para que a inteligência artificial física iguale os avanços dos grandes modelos de linguagem, o setor enfrenta um obstáculo crítico: a ausência de dados de treinamento adequados. Diferentemente dos modelos de texto, alimentados por um vasto oceano de informações públicas, os robôs exigem registros de alta fidelidade sobre interações físicas, um recurso que praticamente não existe em escala.

Vídeos do YouTube e gravações de trabalhadores temporários mostram-se insuficientes devido à baixa fidelidade e à dificuldade de reconciliação com o mundo físico. É nesse cenário que surge a XDOF, startup que acaba de sair do sigilo com a proposta de resolver o próximo grande gargalo da inteligência artificial. A empresa aposta que o desafio central não reside mais apenas em modelos ou chips, mas no ciclo de feedback de dados necessário para ensinar as máquinas a operar no mundo real.

Para construir as infraestruturas de dados, ferramentas de coleta e sistemas de anotação que os laboratórios de ponta não conseguem desenvolver internamente com agilidade, a XDOF captou US$ 70 milhões. O aporte contou com a participação de Thrive Capital, Spark Capital, a16z, Lux e WndrCo. Com cerca de 60 funcionários, a empresa já atende 20 clientes, incluindo diversos laboratórios de inteligência artificial de fronteira, embora mantenha os nomes em confidencialidade.

Philippe Wu, cofundador e CEO da XDOF, destaca que os principais laboratórios estão acelerando o desenvolvimento em robótica para evitar os erros cometidos na corrida dos modelos de linguagem. A percepção do mercado nasceu da própria experiência acadêmica de Wu como doutorando na UC Berkeley, onde esbarrou no problema do ovo e da galinha: a necessidade de coletar dados em larga escala antes mesmo de treinar modelos fundamentais para a robótica. Em parceria com o cofundador e CTO Fred Shentu, Wu desenvolveu o GELLO, um sistema de teleoperação de baixo custo que permite o controle humano remoto, pavimentando o caminho para a infraestrutura de dados que a XDOF agora comercializa.