Как команда, стоящая за крупнейшими датасетами для LLM, решила заняться данными для роботов: Macrodata Labs привлекает $4 млн

Команда, превратившая открытый веб в датасеты, на которых обучаются многие ведущие языковые модели, теперь применяет тот же подход к новой задаче: наведению порядка в запутанных данных робототехники.

Macrodata Labs вышла из режима скрытой разработки в июне 2026 года с четкой миссией — построить недостающий инфраструктурный слой для физического ИИ. Стартап привлек $4 млн на предпосевном раунде и одновременно запустил Refiner — открытый фреймворк обработки обучающих данных для роботов .

Проблема: физические данные грязнее текстовых

Macrodata Labs решает фундаментальную проблему робототехники: данные из реального мира обрабатывать сложнее, чем текст. Видеофайлы тяжелы, сенсоры работают с разной частотой, форматы постоянно меняются, и в отрасли до сих пор нет единого стандарта того, как должен выглядеть оптимальный обучающий сигнал . Сейчас команды робототехников тратят слишком много времени на написание хрупких скриптов лишь для того, чтобы сделать свои данные пригодными к использованию .

Ключевая гипотеза компании: высококачественные данные критически важны для прогресса в физическом ИИ, и робототехнике нужна инфраструктура для превращения необработанных реальных данных в полезные обучающие наборы . Это повторяет роль, которую сыграли качественные веб-датасеты в улучшении языковых моделей — и та же команда теперь применяет схожие идеи очистки данных к робототехнике .

Основатели: дуэт FineWeb

Macrodata Labs основали Гилерме Пенеду (Guilherme Penedo) и Гинек Кидличек (Hynek Kydlíček) . Оба ранее работали над проектом FineWeb в Hugging Face и значатся как авторы соответствующей научной работы . Их опыт — в крупномасштабной курации и очистке данных для обучения языковых моделей, и теперь они применяют его к физическим данным для роботов .

«За последние несколько лет в Hugging Face мы с Гинеком работали над одними из самых используемых открытых наборов данных для предобучения LLM, включая FineWeb и FinePDFs. Эта работа позволила нам из первых рядов увидеть, как масштабирование вычислений и данных стимулирует прогресс в LLM. Мы наблюдаем похожий взлет в робототехнике», — написал Пенеду в анонсе на LinkedIn .

Refiner: открытый фреймворк для робототехнических данных

Refiner — первый продукт Macrodata Labs, открытый фреймворк для обработки данных роботов . Он описывается как набор инструментов для превращения «грязных» видеозаписей и других физических данных в чистые обучающие наборы .

Фреймворк читает форматы, которые робототехнические команды реально используют — LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, сырое видео и датасеты Hugging Face — и предоставляет инструменты для обработки демонстраций, кадров, траекторий, аннотаций и потоков сенсоров .

Refiner спроектирован так, чтобы работать локально для разработки и масштабироваться на эластичное бессерверное облако одной командой . Компания позиционирует его как «нефтеперерабатывающий завод» (data refinery) для физического ИИ .

$4 млн предпосевного раунда от Air Street Capital

Macrodata Labs привлекла $4 млн в предпосевном раунде, который возглавил Air Street Capital — лондонский фонд, сфокусированный на AI-first компаниях, основанный Натаном Бенаичем . В раунде также участвовали Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Алекс Язди), >commit, Томас Вольф (сооснователь Hugging Face) и бизнес-ангелы из ведущих AI-лабораторий и технологических компаний .

Air Street Capital, закрывший фонд Fund III на $232 млн в начале 2026 года, имеет портфель, включающий Synthesia, Black Forest Labs, Wayve, Poolside и другие AI-first компании .

Позиция Европы в робототехнике

Публичные сообщения Macrodata Labs сосредоточены на построении слоя данных для робототехники, а не на явной европейской стратегии в этой области . Наиболее обоснованным утверждением является то, что компания поддерживается Air Street Capital — лондонским венчурным фондом, ориентированным на ИИ . Этот контекст инвестора позволяет предположить, что европейский капитал активно поддерживает инфраструктуру данных для робототехники, однако сама компания не делала официальных заявлений о роли Европы в этой сфере .