Das in Oslo ansässige Startup Kinetic Blocks hat einen neuen Marktplatz für Trainingsdaten humanoider Roboter in einer geschlossenen Beta-Phase eingeführt. Diese Plattform bietet eine kommerzielle Lösung für den Lizenzkauf und die Akquise von Datensätzen und soll den bisher fragmentierten Markt standardisieren. Der Launch am 1. September markiert einen wichtigen Schritt in der Entwicklung von KI-Modellen für humanoide Roboter.
Wichtige Punkte
- Kinetic Blocks startet einen Marktplatz für humanoide Trainingsdaten.
- Die Plattform standardisiert den Kauf und Verkauf von Datensätzen.
- Datensätze durchlaufen eine strenge Qualitätsprüfung mit einem KB Quality Score.
- Angebote umfassen egocentrische Videos, Teleoperations- und Roboterausführungsdaten.
- Das Unternehmen plant eine Seed-Finanzierungsrunde im vierten Quartal 2026.
Einheitliche Plattform für KI-Trainingsdaten
Der neue Marktplatz von Kinetic Blocks zielt darauf ab, den Prozess der Beschaffung von Trainingsdaten für humanoide Roboter zu vereinfachen und zu beschleunigen. Bisher waren Lizenzierungsdeals oft langsam und undurchsichtig. Die Plattform führt standardisierte kommerzielle Transaktionen ein, was den Datenaustausch effizienter gestaltet. Anbieter können ihre Datensätze auflisten und Preise festlegen, während Lizenzen automatisch beim Kauf abgewickelt werden.
Lars-Fredrik Forberg, CEO von Kinetic Blocks, betonte die Notwendigkeit einer solchen Plattform. Der Markt für humanoide Robotik wächst rasant, aber die Datenbeschaffung blieb bisher weitgehend unstandardisiert. Dies führte zu Engpässen und hohen Kosten für Entwickler von verkörperter KI.
Faktencheck
- Gründung: Kinetic Blocks wurde von Lars-Fredrik Forberg, Erik Ålgård und Christian Rokseth gegründet.
- Sitz: Das Unternehmen operiert von Startuplab in Oslo aus.
- Investor-Hintergrund: Ålgård und Rokseth waren frühe Investoren von 1X Technologies.
Qualität und Standardisierung im Fokus
Ein zentrales Merkmal des Marktplatzes ist das umfassende Evaluierungssystem für Datensätze. Historisch gesehen war die Beschaffung von Roboter-Lerndaten mit langen Beschaffungszyklen, undurchsichtiger Rechteverwaltung und fragmentierten Formaten verbunden. Kinetic Blocks begegnet diesen Herausforderungen durch eine zweistufige Prüfpipeline für jede Einreichung.
Zuerst erfolgt eine automatisierte Verifizierung. Die obligatorische Datensatzkarte, die Metadaten wie Bildraten, Auflösungen, Dauer, Sensormodalitäten und Aufgaben spezifiziert, wird direkt mit den Rohdateien abgeglichen. Harte Diskrepanzen führen zur sofortigen Ablehnung, während unklare Angaben eine manuelle Überprüfung auslösen.
Der KB Quality Score (KBQS)
Die zweite Stufe ist der KB Quality Score (KBQS), der von Leo Terry, dem Leiter für Datenqualität in Boston, verantwortet wird. Dieser unabhängige Score reicht von A+ bis F und basiert auf vier gewichteten Säulen:
- Technische Qualität (30%): Bewertung der Aufnahmequalität und technischen Spezifikationen.
- Inhaltliche Nützlichkeit und Aktionsdichte (30%): Wie relevant und reich an nutzbaren Aktionen der Inhalt ist.
- Zeitliche Integrität (25%): Bewertung der Konsistenz und des Flusses der Daten über die Zeit.
- Vollständigkeit (15%): Wie umfassend der Datensatz ist und ob alle versprochenen Komponenten enthalten sind.
„Unser Ziel ist es, Vertrauen und Transparenz in den Datenaustausch für humanoide Roboter zu bringen“, erklärte Leo Terry. „Der KBQS hilft dabei, den Wert eines Datensatzes objektiv zu bewerten, ohne die Rohdaten zu verändern.“
Das System identifiziert und stempelt auch Leerlaufzeiten oder „tote Zeiten“ in den Aufnahmen, berücksichtigt diese Pausen in der Bewertung, bewahrt aber die Rohübergänge als Trainingssignal.
Die Kluft der physischen Daten überbrücken
Der Start des Marktplatzes fällt in eine Zeit, in der der „Robotics Data Arms Race“ intensiviert wird. Entwickler von Grundmodellen verfolgen unterschiedliche Strategien zur Beschaffung von realen Telemetriedaten:
- Massive menschliche Videos: Projekte wie die Egocentric-100K-Sammlung von Build AI oder die Crowdsourcing-Plattform Index von Figure AI setzen stark auf unannotierte First-Person-Videos. Diese sollen Skalierungsgesetze über verschiedene Verkörperungen hinweg vorantreiben.
- Direkte Roboter-Teleoperation: Der Einsatz von Hardware-Flotten zur Sammlung sauberer, gelenkbasierter Trajektorien, wie das BitRobot HIW-500-Dataset, bleibt operativ teuer und schwer über verschiedene Umgebungen hinweg zu skalieren.
Kinetic Blocks agiert als offene Börse und setzt keine direkten Preise fest. Stattdessen soll der Marktplatz einen klaren Marktwert für diese Modalitäten etablieren. Passive menschliche Videos werden zunehmend zur Ware, während hochpräzise Robotertrajektorien Premiumpreise erzielen.
Hintergrund: Der Datenengpass in der KI-Robotik
Die Entwicklung von humanoiden Robotern und verkörperter KI ist stark von hochwertigen Trainingsdaten abhängig. Während Fortschritte bei Rechenleistung und Hardware gemacht wurden, bleibt die Beschaffung und Aufbereitung realer physischer Daten eine große Herausforderung. Ein standardisierter Marktplatz kann diesen Engpass verringern und die Innovation beschleunigen.
Team und Expansionspläne
Das Gründerteam von Kinetic Blocks besteht aus CEO Lars-Fredrik Forberg, Erik Ålgård und Christian Rokseth. Ålgård und Rokseth brachten durch ihre frühe Beteiligung an 1X Technologies, wo Ålgård ein Jahrzehnt im Vorstand saß, langjährige Einblicke in die kommerziellen Anforderungen an humanoide Daten mit. Rokseth betreibt zudem die Branchenseite Humanoid.guide als unabhängige Einheit.
Das Team, das aus dem Startuplab in Oslo operiert, entwickelte die erste MVP-Plattform mit Unterstützung von Berater Marcus Hølland Eikeland. Das Unternehmen plant, seine Ingenieur- und kommerziellen Teams im Herbst zu erweitern. Eine Seed-Finanzierungsrunde ist für das vierte Quartal 2026 geplant.
Der Zugang zum Marktplatz ist während der Soft-Launch-Phase noch eingeschränkt. Anwendungen werden individuell geprüft, um die Lizenzrechte der Anbieter zu verifizieren und sicherzustellen, dass potenzielle Käufer aktiv physische KI-Modelle trainieren. Diese Vorsichtsmaßnahme soll die Qualität und Integrität der Plattform von Anfang an gewährleisten.
