الإجاباتمنشور16 المصادر
هل تستطيع المحاكاة مضاعفة بيانات تدريب الروبوتات؟
تقول إنسباتيو إن مركزها في هانغتشو يستهدف إنتاج مليون ساعة من بيانات تدريب الروبوتات شهرياً عبر بيئات ثلاثية الأبعاد قابلة للتحرير وإعادة الاستخدام. يمكن للمسح إنشاء مشاهد رقمية، لكن تحويلها إلى بيئات تدريب تفاعلية يتطلب استكمال خصائص الأجسام وسلوكها الفيزيائي.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- تقول إنسباتيو إن مركزها في هانغتشو يستهدف إنتاج مليون ساعة من بيانات تدريب الروبوتات شهرياً عبر بيئات ثلاثية الأبعاد قابلة للتحرير وإعادة الاستخدام.
- يمكن للمسح إنشاء مشاهد رقمية، لكن تحويلها إلى بيئات تدريب تفاعلية يتطلب استكمال خصائص الأجسام وسلوكها الفيزيائي.
- الرقم المعلن هدف إنتاجي، وليس دليلاً مستقلاً على أن المركز بلغ هذه الوتيرة أو أن التدريب بالمحاكاة يحقق أداءً مماثلاً على الروبوتات الحقيقية.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: How does InSpatio, the spatial intelligence foundation model company spun out of SenseTime in 2025, aim to address robot training data short. Article summary: InSpatio’s approach is to make robot-training environments editable, reusable and scalable, rather than increase data collection solely by adding physical robots and training grounds; reporting confirms the Hangzhou cent. Topic tags: general, academic, education, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
تراهن شركة إنسباتيو على تغيير طريقة إعداد بيانات تدريب الروبوتات: بدلاً من إعادة بناء مساحة مادية مع كل ترتيب جديد، تريد إنشاء مشاهد ثلاثية الأبعاد قابلة للتحرير وإعادة الاستخدام، ثم جمع بيانات متنوعة منها عبر المحاكاة.
افتتحت الشركة مركزاً لجمع بيانات الذكاء الاصطناعي المتجسد يعتمد على المحاكاة في هانغتشو يوم 29 أكتوبر 2026. وتقول إن المركز يستهدف إنتاج مليون ساعة من بيانات التدريب شهرياً. هذا رقم طموح معلن، وليس إنتاجاً ثبت تحقيقه بصورة مستقلة. 4
25
تغيير المشهد بدلاً من إعادة تجهيزه
قد يتطلب جمع البيانات في بيئة مادية تكرار الإعداد وإعادة ترتيب المكان كلما تغيرت المهمة. أما النهج الذي تصفه التقارير، فيربط بين إنشاء المشاهد أو إعادة بنائها ثلاثيّاً وبين المحاكاة، بحيث يمكن تعديل البيئة وإعادة استخدامها في مهام وترتيبات مختلفة. والهدف، وفق التقارير، ليس زيادة عدد الساعات فحسب، بل تنويع الأوضاع المكانية التي يتدرب عليها الروبوت. 25
وهذا فرق مهم: قد تضيف كثرة التكرارات في مساحة ثابتة بيانات أكثر، من دون أن تمنح الروبوت خبرة في عدد كبير من الظروف المختلفة. وقد تسهّل المشاهد القابلة للتحرير تغيير مواقع الأجسام وترتيباتها، لكن التقارير المتاحة لا تحدد مقدار الوقت أو التكلفة التي توفرها هذه الطريقة مقارنة بجمع البيانات في العالم المادي.
رقمان يحتاجان إلى توضيح
تذكر التغطية هدفاً يبلغ مليون ساعة شهرياً، كما تورد وتيرة تقارب 100 ألف ساعة يومياً. وإذا استمر المعدل اليومي طوال شهر من 30 يوماً، فسيعادل نحو ثلاثة ملايين ساعة، لا مليوناً. ولا توضح التقارير ما إذا كان الرقم اليومي يمثل ذروة إنتاج، أو هدفاً منفصلاً، أو طريقة مختلفة لاحتساب البيانات. 25
من المكان الحقيقي إلى المشهد الرقمي
أحد مسارات بناء المشاهد هو مسح أماكن حقيقية. أعلنت شركة هيساي عن محرك البيانات ثلاثية الأبعاد Kosmo في أكتوبر 2026. 23 وذكرت تقارير عن النظام أن مسح مساحة داخلية تبلغ 100 متر مربع يستغرق نحو 15 دقيقة، وأن المخرجات تشمل تمثيلات من نوع 3D Gaussian Splatting، إلى جانب المجسمات الشبكية وبيانات العمق. وهذه مواصفات أوردتها التقارير، وليست قياسات مستقلة لجودة إعادة البناء.
25
26
أما محاكي Topos، فتصفه إنسباتيو بأنه يدعم إنشاء المشاهد ثلاثية الأبعاد، وإعادة بناء الأماكن الواقعية، ومحاكاة البيئات المخصصة للذكاء الاصطناعي المتجسد. 14 كما تصف أبحاث InSpatio-World استعادة مشاهد ديناميكية وتفاعلية أو توليدها انطلاقاً من فيديو مرجعي.
17 تدعم هذه المصادر الفكرة العامة لبناء المشاهد، لكنها لا تثبت وحدها كل تفاصيل سير العمل أو جميع صيغ الإدخال المنسوبة إلى Topos Pro في بعض التغطيات.
المسح وحده لا يصنع بيئة تدريب مكتملة
قد يبدو المشهد المعاد بناؤه مقنعاً بصرياً، من دون أن يصف بدقة طريقة حركة الأجسام أو تصادمها. وتشير التغطية المتعلقة بـKosmo إلى أن الخصائص الفيزيائية والبيانات الأخرى تحتاج إلى استكمال أو ضبط؛ فالمسح لا ينتج تلقائياً محاكاة مكتملة التفاصيل. 26
وهذه خطوة أساسية لتدريب الروبوتات: ينبغي أن تمثل البيئة الأجسام بطريقة تسمح بالتفاعل معها، وأن يكون سلوكها معقولاً عندما يدفعها الروبوت أو يمسكها أو يحركها. ولا تثبت المصادر المتاحة تفاصيل إجراءات إنسباتيو في تعيين خصائص الأجسام، أو استكمال الأسطح المحجوبة، أو معايرة فيزياء التلامس. لذلك لا يصح اعتبار هذه القدرات مؤكدة لمجرد الإعلان عن هدف الإنتاج.
ما الذي تثبته الأنباء، وما الذي لا تثبته؟
تثبت المصادر أن إنسباتيو افتتحت مركزاً لجمع البيانات يعتمد على المحاكاة في هانغتشو، وأعلنت طموحاً لإنتاج مليون ساعة شهرياً. كما تصف مساراً أوسع يصل بين جمع بيانات الأماكن وإعادة بنائها ثلاثيّاً والمحاكاة. 4
25
لكنها لا تثبت أن المركز ينتج هذا الحجم بالفعل، أو أن بياناته تغطي طيفاً واسعاً من مهام الروبوتات، أو أن السياسات المتعلمة فيه تحقق أداءً جيداً على روبوتات حقيقية. الفكرة الأساسية واضحة: جعل البيئات الثلاثية الأبعاد قابلة لإعادة الاستخدام قد يتيح إنشاء سيناريوهات تدريب أكثر تنوعاً. أما بلوغ الحجم المعلن وتحقيق نتائج في العالم الحقيقي، فما زالا بحاجة إلى إثبات.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "هل تستطيع المحاكاة مضاعفة بيانات تدريب الروبوتات؟"؟
تقول إنسباتيو إن مركزها في هانغتشو يستهدف إنتاج مليون ساعة من بيانات تدريب الروبوتات شهرياً عبر بيئات ثلاثية الأبعاد قابلة للتحرير وإعادة الاستخدام.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تقول إنسباتيو إن مركزها في هانغتشو يستهدف إنتاج مليون ساعة من بيانات تدريب الروبوتات شهرياً عبر بيئات ثلاثية الأبعاد قابلة للتحرير وإعادة الاستخدام. يمكن للمسح إنشاء مشاهد رقمية، لكن تحويلها إلى بيئات تدريب تفاعلية يتطلب استكمال خصائص الأجسام وسلوكها الفيزيائي.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
الرقم المعلن هدف إنتاجي، وليس دليلاً مستقلاً على أن المركز بلغ هذه الوتيرة أو أن التدريب بالمحاكاة يحقق أداءً مماثلاً على الروبوتات الحقيقية.