Exklusive Meldung von 36Kr | Ein Team mit Hintergrund von Tencent und Baidu entwickelt die Infrastruktur für Embodied-Daten und sichert sich eine weitere Finanzierung in Höhe von mehreren hundert Millionen Yuan unter Beteiligung von Shunwei Capital und weiteren Investoren.

Autor | Qiao Yujie

Redakteur | Yuan Silai

Laut Hard Krypton hat IO-AI Tech, ein Unternehmen für Dateninfrastruktur für Roboter und Embodied Intelligence, den Abschluss einer Finanzierungsrunde im Wert von mehreren hundert Millionen Yuan bekanntgegeben. Diese Runde wurde gemeinsam von Shunwei Capital, Songhe Capital und Shenzhen Venture Capital investiert, ergänzt durch eine strategische Investition eines führenden Herstellers von Roboter-Körpern.

IO-AI Tech wurde 2023 gegründet und ist ein Technologieunternehmen, das sich auf die Dateninfrastruktur für Roboter und Embodied Intelligence konzentriert. Es widmet sich dem Aufbau einer Brücke zwischen Daten, Robotern, Modellen und realen Szenarien, um die kontinuierliche Verbesserung der Roboterfähigkeiten und deren skalierte Anwendung zu unterstützen.

Das Gründerteam stammt von führenden Technologie- und Roboterunternehmen wie Tencent, XPeng Motors, ByteDance, Amazon und Baidu und verfügt über umfassende technische Akkumulation und Branchenerfahrung im Bereich Robotik und KI. Der Gründer und CEO Chen Xiangyu promovierte an der Universität Tokio, gewann zweimal den ICRA Best Paper Award und war früher Projektleiter für das vierbeinige Roboterprojekt von Tencent. Der Mitbegründer und CTO Gao Biao promovierte an der Peking-Universität und war früher leitender Algorithmenentwickler bei Baidu Apollo Go.

Da Embodied Intelligence allmählich von der Phase der technischen Validierung zur industriellen Umsetzung übergeht, gewinnt die Bedeutung von Trainingsdaten für Roboter zunehmend an Gewicht. Im Gegensatz zu großen Modellen, die hauptsächlich auf Texte, Bilder und andere Daten aus dem Internet angewiesen sind, müssen Roboter räumliche Beziehungen, Aktionsabläufe und Interaktionen zwischen Menschen und Objekten in der realen physischen Umgebung verstehen und ihre Fähigkeiten durch kontinuierliches Erhalten von Rückmeldungen aus der realen Welt ständig verbessern. Derzeit fehlt es jedoch noch an ausgereiften und effizienten Methoden, um diese Daten zu erfassen.

Um diese Anforderung zu erfüllen, hat IO-AI Tech ein Dateninfrastruktursystem aufgebaut, das Datenerfassung, Datenmanagement und Modelltraining abdeckt. Derzeit wurden drei Produktlinien gebildet: das TeleXperience-Teleoperationssystem, das SenseXperience-Erfassungssystem für menschliche Daten aus der realen Welt sowie die EmbodiFlow-Datenmanagementplattform.

(Quelle des Bildes / Unternehmen)

(Quelle des Bildes / Unternehmen)

(Quelle des Bildes / Unternehmen)

Dabei ist TeleXperience hauptsächlich für die Teleoperation und Datenerfassung auf Roboterseite ausgelegt.

Die Kernfähigkeit dieses Systems besteht darin, menschliche Bewegungen, Perspektiven und Betriebsabsichten stabil und mit geringer Latenz auf Roboter unterschiedlicher Konfigurationen abzubilden. Gleichzeitig können die während des gesamten Prozesses erzeugten Daten aufgezeichnet werden und in nachfolgende Prozesse der Markierung, Verwaltung und des Trainings einfließen, um eine effiziente Übertragung menschlicher Erfahrungen auf die Aktionsfähigkeiten von Robotern zu realisieren und einen einheitlichen Einstiegspunkt für RoboterTraining, Fernbedienung und Datenerfassung realer Aufgaben zu bieten. Der Wert von TeleXperience liegt nicht nur in der Steuerung von Robotern, sondern darin, Kunden dabei zu helfen, schneller einen geschlossenen Kreislauf aus "Aufgabendurchführung – Datenerfassung – Modelliteration" aufzubauen.

Im Jahr 2025 nahm IO-AI Tech mit TeleXperience am ICRA-Wettbewerb zur Erkundung der Fähigkeitsgrenzen von zwearmigen Robotern teil. Als einziges teilnehmendes Team mit grenzüberschreitender Teleoperation setzte es sich aus 88 Teams weltweit hervor und gewann den Preis für die beste Anwendung. Bis heute wurde TeleXperience an mehr als 80 Roboter angepasst und deckt verschiedene Roboterformen wie humanoide Roboter, Roboterarme und mobile Roboter ab.

Neben Roboter-Betriebsdaten baut IO-AI Tech auch die Erfassung von menschlichen Verhaltensdaten aus der realen Welt auf.

Das von dem Unternehmen eingeführte SenseXperience-System erfasst hauptsächlich menschliche Betriebsdaten in realen Szenarien durch Einheiten für die Erfassung aus der ersten Perspektive, Handgelenkskameras und UMI-Greifern, um Datenquellen für das Training von Embodied-Intelligence-Modellen bereitzustellen.

Nach Angaben des Unternehmens verwendete die frühe Version von SenseXperience ein relativ vollständiges multimodales Erfassungsschema, das sensorische Geräte wie Ganzkörper-Bewegungserfassung, Vision und Tastsinn umfasst. Basierend auf diesem System hat IO-AI Tech zuvor bereits Datensammlungen von menschlichen Betriebsdaten im Millionenbereich aufgebaut und an der Konstruktion zugehöriger offener Datensätze mitgewirkt.

Mit der Veränderung der Marktnachfrage hat das Unternehmen das Produkt leichtgewichtig angepasst. Die derzeit eingeführte leichtgewichtige Baseline-Lösung von SenseXperience reduziert komplexe tragbare Geräte, verwendet einen modularen Erfassungsansatz und realisiert eine kostengünstigere und skalierbarere Datenproduktion durch tragbare Kopfgeräte, Handgelenk-Erfassungseinheiten und Greifer-Erfassungslösungen.

Im Datenverarbeitungsbereich hat IO-AI Tech die EmbodiFlow-Datenmanagementplattform eingeführt, die Prozesse wie Erfassung, Markierung, Überprüfung, Qualitätserkennung, Visualisierung und Datenformatkonvertierung abdeckt. Die Plattform unterstützt die Ausgabe von gängigen Datenformaten im Roboterbereich wie LeRobot, MCAP und HDF5 und senkt die Verarbeitungshürde zwischen der Erfassung von Rohdaten und dem Modelltraining.

Derzeit konzentriert sich IO-AI Tech hauptsächlich auf die Anforderungen der skalierten Anwendung von Robotern und Embodied Intelligence und bietet Roboterherstellern, Modellunternehmen und industriellen Kunden Produktivitätsfähigkeiten und Lösungsunterstützung. Einerseits bietet das Unternehmen durch Produkte wie TeleXperience, SenseXperience und EmbodiFlow grundlegende Fähigkeiten wie Roboter-Teleoperation, Erfassung von Daten aus der realen Welt und Datenmanagement für Roboter-Körperhersteller und Modellunternehmen an; andererseits erforscht es auch die Erweiterung der Datenfähigkeiten auf die tatsächlichen Einsatzszenarien von Robotern.

Chen Xiangyu, Gründer von IO-AI Tech, sagte: "In den letzten drei Jahren haben wir uns hauptsächlich auf den geschlossenen Datenkreislauf konzentriert und die Kette aus Datenerfassung, Bereinigung, Markierung und Überprüfung zum Laufen gebracht. Als Nächstes möchten wir den geschlossenen Kreislauf der Umsetzung weiter vorantreiben, damit Roboter wirklich in Produktions- und Lebensszenarien Einzug halten können." Derzeit erforscht IO-AI Tech Anwendungsrichtungen wie Industrie, Gewerbe, Landwirtschaft und Haushalt und plant, die Überseemärkte weiter auszubauen.

Nach Angaben des Unternehmens werden die Mittel aus dieser Finanzierungsrunde hauptsächlich für drei Zwecke verwendet: die kontinuierliche Erhöhung der Investitionen in die Forschung und Entwicklung von Kernprodukten, den Aufbau eines diversifizierten Forschungs- und Entwicklungsteams sowie die Beschleunigung der globalen Markterweiterung zur Verbesserung der Fähigkeit zur skalierten Anwendung von Robotern.

Im Folgenden finden Sie Auszüge aus dem Gespräch zwischen Hard Krypton und dem Gründer Chen Xiangyu:

Hard Krypton: Die leichtgewichtige Version von SenseXperience ist in die Phase der stabilen Massenproduktion und Lieferung eingetreten. Welche Kernüberlegungen gab es bei der Konstruktion dieses Systems?

Chen Xiangyu: Tatsächlich arbeiten wir bereits seit 2023 an der Erfassung menschlicher Daten. Damals wollten wir keine Geräte verkaufen, sondern weil wir selbst Daten benötigten, haben wir zuerst mit der Erfassung begonnen. Die frühe Version von SenseXperience war tatsächlich ein relativ vollständiges Schema, das multimodale Daten wie Ganzkörper-Bewegungserfassung, Vision und Tastsinn umfasst. Wir haben selbst menschliche Betriebsdaten im Millionenbereich erfasst und an der Konstruktion einiger Datensätze mitgewirkt.

Später haben wir beobachtet, dass sich der Markt verändert hat. Früher konzentrierten sich die meisten Leute mehr darauf, ob Daten vorhanden sind, und hofften, den Datenumfang schnell zu erweitern, um die Modellfähigkeiten zu validieren. Aber da Roboter allmählich in reale Szenarien eintreten, werden die Leute zunehmend mehr Wert auf die Datenqualität legen und darauf, ob die Daten aus echten Aufgaben stammen.

Deshalb haben wir bei der neuen Version, die wir jetzt eingeführt haben, einige Dinge vereinfacht. Früher waren die Geräte relativ schwer, jetzt wollen wir sie leichter machen, sodass die Erfassungspersonen keine komplexen Geräte tragen müssen und ihre normale Arbeit nicht beeinträchtigt wird. Gleichzeitig hoffen wir, dass die Geräte stabiler sind und skalierbare Bereitstellungen unterstützen können.

Außerdem hat sich das Rezept für Roboter-Trainingsdaten in der Branche noch nicht vollständig stabilisiert. Die benötigten Daten unterscheiden sich je nach Roboter, Modell und Szenario. Unser Ansatz besteht also nicht darin, ein festes Schema zu definieren, sondern die Erfassungsfähigkeiten modular zu gestalten und sie je nach Kundenanforderungen zu kombinieren.

Hard Krypton: Derzeit gelten Teleoperationsdaten von echten Robotern immer noch als die wertvollste Datenquelle. Wie verändert sich das "Rezept" für Trainingsdaten? Wie wird das Unternehmen die Anordnung verschiedener Arten von Daten ausbalancieren?

Chen Xiangyu: Ich denke, die Schwerpunkte unterscheiden sich in verschiedenen Phasen. In der frühen Phase braucht man unbedingt Umfang, denn ohne ausreichende Daten ist es für Modelle schwer, Fähigkeiten zu entwickeln. Oft füttern die Leute zuerst die Daten ein, um zu sehen, ob das Modell etwas lernen kann – das ist ein schneller Validierungsprozess.

Aber in der späteren Phase wird der Wert hochwertiger Daten zwangsläufig immer deutlicher. Die Entwicklung großer Modelle verläuft ähnlich. In der frühen Phase sind die Leute möglicherweise stärker auf allgemeine Daten angewiesen, aber später stellt sich heraus, dass hochwertige Daten aus Fachbereichen für die Verbesserung der Modellfähigkeiten sehr wichtig sind.

Deshalb werden wir nicht beurteilen, dass eine bestimmte Datenroute unbedingt richtig ist, sondern die Entwicklung der Modelle und technische Veränderungen kontinuierlich beobachten. Für IO-AI wollen wir langfristig wertvollere Daten erstellen, insbesondere hochwertige Daten aus echten Aufgaben. Gleichzeitig bieten wir entsprechende Produkte und Dienstleistungen für die Datenanforderungen der Kunden in ihrer aktuellen Phase an. Letztendlich hoffen wir, einen kontinuierlichen geschlossenen Kreislauf aus der Erfassung von Daten aus der realen Welt, der Optimierung von Roboterfähigkeiten und der Iteration von Anwendungsrückmeldungen zu bilden, damit Roboter in mehr realen Szenarien kontinuierlich lernen und wachsen können.