XDOF: Špinavá práce, která rozhodne o budoucnosti robotiky

Když OpenAI v druhém čtvrtletí 2026 oznámilo restart svého robotického programu, který byl uzavřen v roce 2021, průmysl si všiml. Ne proto, že by to byl technologický průlom — ale protože to byl signál, že největší AI laboratoře světa vsadily na fyzický svět jako na další bitevní pole. A hned vzápětí vyplulo z utajení něco, co tuto sázku dělá reálnou: startup XDOF s 70 miliony dolarů a tezí, která je tak prostá, až bolí — bottleneck fyzické AI není model ani čip, ale data.

Kuřecí vejce fyzické AI

Philipp Wu, spoluzakladatel a CEO XDOF, strávil doktorát na UC Berkeley výzkumem učení robotů z rozsáhlých datasetů. Narazil na základní problém: data prostě nebyla. „Byl tu problém slepice a vejce — nejdřív jsme museli data nasbírat, než jsme vůbec mohli uvažovat o trénování foundation modelu pro robotiku," říká Wu.

Rozdíl oproti jazykovým modelům je fundamentální. GPT-4 nebo Claude se naučily z miliard textů, které lidstvo vytváří od pradávna a které jsou volně dostupné online. Robot, který má skládat trička nebo vkládat sluchátka do pouzdra, podobný luxus nemá. YouTube videa jsou nízko-fidelitní a fyzikálně neverifikovatelná. Záznamy od gig-workerů jsou nekonzistentní a obtížně zarovnatelné s realitou. Co robot potřebuje, je přesná kinematická data z reálné fyzické manipulace — trajektorie pohybů, zpětná vazba ze senzorů, korelace mezi záměrem a výsledkem.

XDOF proto vybudoval třístupňový pipeline sběru dat. První úroveň je teleoperation s reálnými roboty — operátor přímo ovládá robotické rameno a generuje přesná data o pohybu v prostoru. Druhá úroveň využívá zařízení GELLO, speciálně navržené ovladače, které umožňují stejný typ záznamu s nižšími provozními náklady. Třetí úroveň jsou egocentrické wearable senzory na lidských operátorech — zachycují perspektivu z první osoby a pohyb rukou při manipulaci s předměty. Každá vrstva přidává jiný typ datového signálu; kombinace dává tréninkový materiál, který dokáže překlenout simulaci a realitu.

ABC-130K: Největší dataset svého druhu

Spolu se zahájením provozu XDOF vydal ve spolupráci s UC Berkeley AI Research Lab dataset nazvaný ABC — a jeho čísla jsou v kontextu robotiky bezprecedentní: 130 000 trajektorií robotické manipulace, 300 hodin simulace a 100 hodin evaluací. Dataset je open-source a dostupný výzkumné komunitě.

Na ABC-130K již byly natrénovány roboty zvládající konkrétní fyzické úkoly — skládání triček a vkládání AirPods do jejich pouzdra. To nezní dramaticky, ale právě tato granularita je podstatná: jde o bimanipulační úlohy, které vyžadují koordinaci dvou ramen, odhad hmotnosti a deformovatelnosti předmětu a adaptaci na variabilitu reálného prostředí. To jsou přesně ty scénáře, kde simulace selhává kvůli sim-to-real gapu — diskrepanci mezi fyzikou simulátoru a skutečným světem.

Sim-to-real gap není abstraktní akademický problém. Simulace nedokáže věrně modelovat tření materiálů, variace osvětlení, drift senzorů ani neočekávané překážky. Proto XDOF staví na reálné teleooperaci jako primárním datovém zdroji a simulaci využívá jako doplněk pro škálování, ne jako náhradu. Výsledkem je pipeline, který podle Salesforce Ventures odpovídá doporučené metodice staged deployment: system identification → lehká simulace → high-fidelity simulace → reálné nasazení.

Proč to dělat outsourcovaně

Logická otázka je přímočará: proč si největší AI laboratoře tato data nesbírají samy? Wu odpovídá konkrétně: „Potřebujete sklad o stovkách tisíc čtverečních stop se stovkami robotů. Potřebujete je udržovat, kalibrovat jejich fyzické parametry a správně trénovat operátory."

Jde o operační infrastrukturu, která nemá nic společného s tím, v čem jsou frontier labs dobré. OpenAI, Google DeepMind nebo Anthropic jsou optimalizované na výzkum modelů a inference architekturu — ne na provoz průmyslových datacenter pro fyzickou manipulaci. XDOF proto cílí přesně na to místo v hodnotovém řetězci, kde vlastní build-out nedává smysl ani při neomezeném kapitálu.

Výsledkem je byznys model, který TechCrunch trefně popisuje jako „outsourcovanou datovou továrnu pro robotický AI závod". Se 60 zaměstnanci a 20 zákazníky — mezi nimiž je několik frontier AI labs, jejichž jména Wu nemůže zveřejnit — jde o infrastrukturní byznys, nikoli výzkumný experiment. Investoři Thrive Capital, Spark Capital, a16z, Lux Capital a WndrCo to zjevně vnímají stejně.

Plán XDOF zahrnuje výstavbu globální sítě teleooperátorů a egocentrických datových operátorů. Je to labor-intensive model, který vědomě stojí na lidské práci jako generátoru fyzických dat — a to v době, kdy většina AI infrastruktury směřuje k automatizaci. Paradox? Spíš pragmatismus: robotické foundation modely potřebují data z fyzického světa, a ten generují lidé, ne stroje.

Infrastruktura, která teprve vzniká

Wu to formuluje přesně: fyzická AI je nová kategorie infrastruktury. Ne aplikace, ne model — infrastruktura. A infrastruktura se cení jinak než produkt: kdo ji postaví první a kdo k ní uzavře smlouvy s klíčovými zákazníky, ten určuje standardy a cenovou sílu.

AI Weekly upozorňuje, že AI laboratoře, které dosud nejsou mezi 20 zákazníky XDOF, mají krátkodobé okno pro uzavření výhodných datových smluv — než se cenová síla konsoliduje u zavedených dodavatelů. To je klasická dynamika platformové infrastruktury: network effects a lock-in přicházejí dříve, než si většina zákazníků uvědomí, že ztratila vyjednávací pozici.

XDOF vznikl v říjnu 2024 — což znamená, že od založení po launch a 70milionové financování uplynulo méně než dva roky. V kontextu toho, co Philipp Wu a spoluzakladatelé Fred Shentu a Nemo Jin budují — globální fyzickou datovou infrastrukturu pro robotiku — je to extrémně rychlý pohyb.

Otázka není, zda fyzická AI potřebuje tréninkovou datovou infrastrukturu. To je jasné. Otázka je, jak rychle se z XDOF stane standardní vrstva, bez které frontier labs svůj robotický program jednoduše nerozjedou — a kdo případně vstoupí do stejného prostoru dřív, než se pipeline uzavře.