# El pionero de la IA física, XDOF, busca una valoración de 1.200 millones de dólares en la Serie B para escalar las canalizaciones de datos de robots

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/es/article/xdof-physical-ai-series-b-robot-training-data-2026-09-05-night-es
Section: Drones & Robots (https://technewslist.com/es/drones-robotics)
Author: TechNewsList
Language: es
Published: 2026-09-05T17:44:53.284+00:00
Updated: 2026-09-05T17:44:53.465291+00:00

> La empresa de datos de la fundación de robótica XDOF está negociando una ronda Serie B de 1.200 millones de dólares pocos meses después de salir del sigilo, lo que pone de relieve el cuello de botella crítico de los conjuntos de datos de entrenamiento físico del mundo real.

## TL;DR
- La startup de robótica de IA física, XDOF, está recaudando una ronda de financiación Serie B con una valoración de aproximadamente 1.200 millones de dólares.
- La financiación de riesgo llega sólo tres meses después de que la empresa emergiera oficialmente de sus operaciones sigilosas.
- XDOF opera redes de teleoperación especializadas que capturan datos de manipulación de demostraciones humanas de alta fidelidad.
- El capital financiará centros de recopilación de datos a gran escala necesarios para entrenar modelos de bases físicas generalizadas.

## Key points
- XDOF fue cofundado por los investigadores de UC Berkeley Philipp Wu y Fred Shentu, creadores del sistema de teleoperación abierto GELLO.
- La startup obtuvo previamente veinte millones de dólares en financiación inicial y Serie A liderada por la empresa de riesgo 8VC.
- Los modelos básicos de robótica requieren millones de horas de hábil manipulación de datos que no se pueden generar sintéticamente.
- Los equipos de teleoperación patentados de XDOF capturan trayectorias de efector final de 6 DoF, pares de articulaciones y video RGB-D de múltiples vistas.
- Los desarrolladores de robots humanoides dependen de proveedores de datos externos para entrenar políticas de manipulación generalizadas en diversos entornos.
- La financiación apoyará la ampliación de centros de recolección robótica en América del Norte, Europa y Asia.

## Qué pasó

Apenas tres meses después de salir del sigilo con veinte millones de dólares en respaldo de riesgo, el pionero de los datos de inteligencia artificial física XDOF está en negociaciones avanzadas para asegurar una ronda de financiación Serie B que valora a la empresa en aproximadamente 1.200 millones de dólares. Fuentes de capital de riesgo familiarizadas con la transacción revelaron que los sindicatos de inversión de primer nivel de Silicon Valley están compitiendo agresivamente por las asignaciones en la ronda. La dramática escalada de valoración subraya una intensa comprensión en toda la industria de que los datos del entrenamiento físico, en lugar de la escala de parámetros del modelo o los grupos de cómputo, representan la limitación definitoria en la robótica.

XDOF fue fundada por los destacados investigadores de la Universidad de California en Berkeley, Philipp Wu y Fred Shentu, quienes lograron un gran reconocimiento en la comunidad de investigación en robótica después de desarrollar GELLO, una interfaz de teleoperación accesible y de código abierto. Sobre la base de esa base académica, XDOF construyó una central industrial de recopilación de datos que opera cientos de estaciones físicas de teleoperación. Los operadores humanos manipulan objetos físicos en miles de escenarios domésticos, comerciales e industriales, creando los conjuntos de datos de alta frecuencia necesarios para entrenar modelos básicos de robótica generalizada.

## Por qué importa

Mientras que los laboratorios de inteligencia artificial han escalado grandes modelos de lenguaje al ingerir billones de tokens de la Internet pública, los robots físicos enfrentan una escasez de datos fundamental. El texto y las imágenes estáticas en 2D no pueden enseñar a un robot humanoide cómo agarrar cristalería frágil, doblar telas o maniobrar herramientas pesadas en medio de una fricción física dinámica y una resistencia táctil. Los entornos de simulación, si bien son útiles para el entrenamiento cinemático básico, sufren de la infame brecha entre simulación y realidad, al no capturar la física sutil del mundo real y las variables ambientales caóticas.

Para lograr una verdadera autonomía de uso general, los modelos robóticos requieren demostraciones físicas multimodales que registren pares articulares sincronizados, retroalimentación de sensores táctiles y telemetría visual multiángulo. Al tratar los datos de manipulación física como un producto de infraestructura institucional, XDOF pretende convertirse en la utilidad de datos esencial para todos los fabricantes de robótica industrial y humanoide a nivel mundial. El rápido ascenso de la startup al estatus de unicornio indica que los mercados de capital ven los datos físicos especializados como el foso más defendible de la IA incorporada.

## Detalles técnicos

![Línea de ensamblaje de fabricación y desarrollo de robótica humanoide que destaca las demandas de implementación física de IA.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1788628753733-g4dfzb-xdof-physical-ai-series-b-robot-training-data-2026-09-05-night-inside-1-183d3358cf.webp)

La tecnología central que impulsa la infraestructura de datos de XDOF es una arquitectura de teleoperación de hardware y software patentada que evolucionó a partir del diseño original de GELLO. Los equipos de teleoperación utilizan brazos articulados pasivos equipados con codificadores digitales de alta resolución que reflejan los movimientos del brazo humano con precisión submilimétrica. Debido a que el operador sostiene físicamente una réplica cinemática en miniatura del efector final del robot objetivo, el sistema elimina la latencia y la desviación de calibración típicas de las configuraciones de captura de movimiento basadas en cámaras.

Cada sesión de recopilación de datos registra flujos multimodales muestreados a hasta mil hercios. Esta telemetría abarca poses espaciales de seis grados de libertad, estimaciones del par del actuador, datos de sensores acústicos de contacto y transmisiones de video RGB-D estereoscópicas sincronizadas. Las trayectorias recopiladas se procesan a través de procesos de curación automatizados que filtran las vacilaciones humanas, normalizan la variación temporal y anotan los límites de contacto espacial. Estos datos prístinos se formatean directamente en conjuntos de datos tensoriales optimizados para entrenar modelos de políticas de difusión y arquitecturas de visión, lenguaje y acción.

## Impacto en el mercado / la industria

![Brazos robóticos industriales que ejecutan tareas de manipulación de alta precisión en entornos de montaje automatizados.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1788628755941-w1xxox-xdof-physical-ai-series-b-robot-training-data-2026-09-05-night-inside-2-1d0f615044.webp)

Las discusiones sobre valoración multimillonaria de XDOF están transformando la dinámica comercial en todo el panorama de la robótica. Los principales fabricantes de robótica humanoide, incluidos Figure AI, Boston Dynamics y fabricantes de automóviles que desarrollan robots de fábrica, están reevaluando activamente sus estrategias internas de recopilación de datos. Crear y gestionar ejércitos internos de teleoperadores requiere mucho capital y supone un desafío logístico, lo que lleva a muchos desarrolladores de robótica a subcontratar la adquisición de conjuntos de datos de manipulación fundamental a plataformas especializadas como XDOF.

La afluencia de capital también está provocando una feroz batalla de talentos entre los laboratorios de inteligencia artificial de software tradicionales y los centros de investigación de robótica incorporada. Los investigadores de aprendizaje automático que anteriormente se centraban en la visión o el lenguaje generativo están girando hacia la IA física, donde las aplicaciones comerciales abarcan cientos de miles de millones de dólares en automatización de fabricación, logística y cuidado de personas mayores. Los inversores anticipan que la economía de los datos físicos reflejará la evolución de la computación en la nube, con proveedores especializados operando instalaciones masivas de recopilación de datos a nivel mundial.

## Qué observar ahora

Se anticipa la finalización y el cierre formal de la ronda de financiación Serie B de XDOF en las próximas semanas, sujeto a las asignaciones finales de sindicación y las presentaciones regulatorias estándar. Tras la inyección de capital, la empresa planea inaugurar nuevas instalaciones de recopilación de datos a hiperescala en América del Norte y Europa Occidental, ampliando su fuerza laboral de teleoperadores para recopilar millones de horas de diversas trayectorias de manipulación física durante los próximos dieciocho meses.

Los estrategas de tecnología empresarial deben monitorear los próximos puntos de referencia técnicos publicados por los desarrolladores de modelos básicos capacitados en conjuntos de datos XDOF. La métrica fundamental a seguir serán las tasas de éxito cero cuando los robots encuentren objetos y entornos nuevos sin realizar ajustes. Si los modelos básicos demuestran mejoras dramáticas en la generalización a partir de datos de teleoperación a escala, validarán la hipótesis de los datos físicos y acelerarán el cronograma comercial para implementar fuerzas de trabajo humanoides autónomas en entornos empresariales comerciales.

## Fuentes

- [Lanzamiento comercial de XDOF](https://xdof.ai/news/series-b-growth-pipeline-robot-teleoperation): anuncio de la empresa que describe la expansión del canal de datos físicos de IA y las operaciones distribuidas de la flota de teleoperadores.

- [TechCrunch Robotics Desk](https://techcrunch.com/2026/09/04/xdof-just-three-months-out-of-stealth-is-in-talks-for-a-series-b-at-a-1-2b-valuation/) — Informes de riesgo exclusivos que revelan hojas de términos, puntos de referencia de valoración y sindicatos de inversores que respaldan la ronda Serie B de XDOF.

- [8VC Research Insights](https://8vc.com/insights/scaling-physical-ai-xdof-data-revolution) — Perspectiva de riesgo que describe por qué los datos de interacción física del mundo real representan el principal cuello de botella para la comercialización de robots humanoides.

Mentions: XDOF, 8VC, Philipp Wu, Fred Shentu, Universidad de California Berkeley

## Sources
- [Lanzamiento comercial XDOF](https://xdof.ai/news/series-b-growth-pipeline-robot-teleoperation)
- [Escritorio de robótica TechCrunch](https://techcrunch.com/2026/09/04/xdof-just-three-months-out-of-stealth-is-in-talks-for-a-series-b-at-a-1-2b-valuation/)
- [Perspectivas de investigación de 8VC](https://8vc.com/insights/scaling-physical-ai-xdof-data-revolution)