币圈界报道：

迈向真实世界的智能：XDOF启动物理交互数据革命

OpenAI重启机器人项目释放强烈信号，预示着全球顶尖实验室正加速布局能适应非结构化环境的实体智能系统。然而，与语言模型依赖海量文本不同，真正具备操作能力的机器人需要的是反映真实世界动态的交互数据——而这类高质量数据至今仍极度稀缺。

构建机器人训练的底层数据基座

面对这一结构性缺口，新兴企业XDOF应运而生。该公司今日正式结束隐身状态，推出一套覆盖数据采集、清洗、标注全链条的解决方案，专为追求物理世界智能的机构设计。其已获得Thrive Capital、Spark Capital、a16z、Lux及WndrCo联合投资的7000万美元资金支持。

联合创始人兼首席执行官Philippe Wu指出，尽管多数头部研究团队已将机器人视为下一代突破方向，但缺乏可持续的数据供给已成为普遍障碍。“我们目睹了语言模型竞赛中因数据滞后导致的落后局面，”他强调，“现在是提前布局物理数据基础设施的关键窗口。”

从学术实验到产业级数据生态的跃迁

Wu在加州大学伯克利分校攻读博士期间便深陷数据困境——当时可用的机器人操作记录极为有限。为此，他与未来联合创始人Fred Shentu共同开发了名为GELLO的低成本遥操作系统，通过人类远程操控机械臂生成训练素材。该成果催生了一篇极具影响力的论文，也揭示了行业共性难题。

基于此经验，三人于2024年10月创立XDOF，致力于将数据生产从零散实验转化为可扩展、可复用的工业流程。不同于单纯提供原始数据的模式，公司更注重构建闭环反馈系统，涵盖工具链、质量控制与智能标注机制。

ABC数据集：开启机器人学习新范式

作为核心里程碑，XDOF与加州大学伯克利分校合作发布了迄今最大规模的高质量机器人轨迹数据集——ABC。该集合包含13万条真实操作路径、300小时模拟数据及100小时评估样本，首次向学术界开放如此体量的物理交互资源。

伯克利博士生David McAllister表示：“当关键数据集公开后，社区往往能实现意想不到的进展。”目前已有团队利用该数据集成功训练机器人完成折叠衣物、压平纸箱和装配耳机盒等复杂任务。

三层数据架构支撑未来智能

XDOF规划了分层数据采集体系：第一层为部署中的真实机器人通过远程操控获取的高价值轨迹；第二层是使用类似GELLO的通用遥操作系统收集的标准化动作库；第三层则来自普通人日常行为的“自我中心视角”数据，公司将为此开发专属可穿戴传感设备。

“相机视角的选择会直接影响手部追踪精度，”Wu解释道，“若硬件设计不匹配，后期算法将被埋下系统性偏差。”

为何外包成为必然选择？

尽管部分实验室具备自建能力，但规模化运行需数万平方英尺空间、数百台设备维护、持续校准与专业操作员培训。这种资源密集型运营对大多数研究机构而言难以承担。因此，专业化数据服务商的出现成为高效协同的必然路径。

数据即权力：重塑AI竞争格局

XDOF的崛起标志着人工智能演进进入新阶段——从模型与芯片之争转向基础设施博弈。随着更多机构进军实体智能领域，能否掌握可靠、大规模、高质量的物理交互数据，正成为决定成败的核心要素。

公司名称源自“自由度”（Degrees of Freedom），象征其愿景：支持任意形态的机器人运动。正如人臂有七自由度，现代人形机器人如Figure.AI已达三十自由度，而XDOF的目标是为所有可能的运动形式提供数据支持。

结语：通往现实世界智能的必经之路

XDOF的融资落地与全面亮相，印证了行业共识：推动强物理智能发展的关键不在算法本身，而在背后坚实的数据底座。随着机器人项目在全球范围加速铺开，对真实世界交互数据的需求将持续激增。该公司正站在这场变革的中心，构建那些将定义下一代机器人的数据管道。

常见问题解答

Q1: XDOF是什么？它做什么？ XDOF是一家专注于为机器人训练构建端到端数据基础设施的初创企业，提供从采集、清洗到标注的一体化服务，帮助实验室快速获取用于学习物理交互的高质量数据。

Q2: 为什么机器人训练数据与语言模型不同？ 语言模型可依赖互联网公开文本，而机器人需学习抓取、移动、折叠等实际操作技能，这些必须通过真实或模拟的物理交互生成，且对精度和上下文敏感，需专用采集手段。

Q3: XDOF筹集了多少资金？投资者是谁？ XDOF已完成7000万美元融资，投资方包括Thrive Capital、Spark Capital、a16z、Lux和WndrCo。公司现有约60名员工，已与20家前沿客户建立合作关系，含多家顶级AI实验室。