AntwortenVeröffentlicht16 Quellen
Wie InSpatio Robotertraining mit Simulation skalieren will
InSpatio eröffnete am 29. Oktober 2026 in Hangzhou ein auf Simulation ausgerichtetes Zentrum für Daten zum Training verkörperter KI.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- InSpatio eröffnete am 29. Oktober 2026 in Hangzhou ein auf Simulation ausgerichtetes Zentrum für Daten zum Training verkörperter KI.
- Das Unternehmen nennt eine Zielgröße von einer Million Trainingsstunden pro Monat; belegt ist damit noch keine tatsächlich erreichte Produktionsmenge.
- Der Ansatz: 3D Umgebungen sollen wiederverwendbar und veränderbar sein, damit Roboter in mehr unterschiedlichen Szenarien trainieren können.
KI-Prompt
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
InSpatio will Robotern mehr als zusätzliche Trainingsstunden bieten: Sie sollen in möglichst unterschiedlichen Situationen üben können. Dafür setzt das Unternehmen auf veränderbare 3D-Szenen und Simulation, statt für jede neue Anordnung einen physischen Trainingsbereich neu aufzubauen. Am 29. Oktober 2026 eröffnete InSpatio in Hangzhou ein entsprechendes Zentrum für Daten zur verkörperten KI – also für KI-Systeme, die in der physischen Welt handeln. Als Ziel nennt das Unternehmen eine Million Stunden Trainingsdaten pro Monat. Das ist eine angekündigte Größenordnung, keine unabhängig bestätigte Produktionsleistung. 4
25
Mehr Abwechslung statt nur mehr Wiederholungen
Roboterdaten in echten Räumen zu sammeln, kann wiederholte Einrichtung und Rücksetzung erfordern. InSpatios Ansatz verbindet laut Berichten rekonstruierte oder generierte 3D-Szenen mit Simulation. Umgebungen und Aufgaben sollen sich darin verändern lassen, ohne für jede Variante einen physischen Aufbau neu einzurichten. Die Szenen sollen bearbeitbar, wiederverwendbar und skalierbar sein. 25
Der Unterschied ist wichtig: Viele Wiederholungen in einer gleichbleibenden Umgebung erhöhen zwar die Datenmenge, bilden aber nicht automatisch viele verschiedene Situationen ab. In editierbaren Szenen könnten etwa Objektpositionen und Aufgabenbedingungen variiert werden. Wie viel Zeit oder Geld das im Vergleich zur Datenerfassung in der realen Welt spart, beziffern die verfügbaren Berichte allerdings nicht.
Auch die genannten Produktionszahlen werfen Fragen auf. Berichtet wird von einer Zielgröße von einer Million Stunden im Monat beziehungsweise etwa 100.000 Stunden pro Tag. Über einen 30-Tage-Monat gerechnet wären 100.000 Stunden täglich allerdings drei Millionen Stunden. Die Quellen erläutern nicht, ob die Tageszahl eine Spitzenleistung, ein separates Ziel oder eine andere Berechnungsgrundlage beschreibt. 25
Vom realen Raum zur digitalen Szene
Ein möglicher Ausgangspunkt sind Scans realer Räume. Hesai stellte im Oktober 2026 seine 3D-Weltdatenplattform Kosmo vor. 23 Berichten zufolge lässt sich mit dem System ein Innenraum von 100 Quadratmetern in etwa 15 Minuten scannen. Als Ausgaben werden unter anderem 3D-Gaussian-Splats, Meshes und Tiefendaten genannt. Das sind berichtete Fähigkeiten, keine unabhängige Prüfung der Rekonstruktionsqualität.
25
26
InSpatios Simulator Topos soll 3D-Szenen erzeugen, reale Umgebungen rekonstruieren und Simulationen für verkörperte KI ermöglichen. 14 Auch die Forschungsarbeit InSpatio-World beschreibt, wie dynamische, interaktive Szenen aus einem Referenzvideo rekonstruiert oder generiert werden können.
17 Diese Quellen stützen den grundsätzlichen Ansatz, belegen aber nicht unabhängig jeden möglichen Eingabeweg oder den gesamten Arbeitsablauf von Topos Pro.
Ein Scan ist noch keine robotertaugliche Welt
Eine Szene kann überzeugend aussehen, ohne korrekt abzubilden, wie sich Gegenstände bewegen oder miteinander kollidieren. Berichte zu Kosmo weisen darauf hin, dass physikalische Eigenschaften und weitere Daten ergänzt oder eingerichtet werden müssen: Ein Scan allein erzeugt noch keine vollständig spezifizierte Simulation. 26
Für das Robotertraining ist das entscheidend. Gegenstände müssen so erfasst sein, dass sie sinnvoll bewegt werden können, und die Umgebung muss plausibel reagieren, wenn ein Roboter etwas schiebt, greift oder verschiebt. Die verfügbaren Quellen bestätigen nicht im Detail, wie InSpatio Objekteigenschaften zuweist, verdeckte Flächen rekonstruiert oder Kontaktphysik kalibriert. Die angekündigte Produktionsmenge belegt solche Fähigkeiten nicht.
Je komplexer die Aufgabe, desto wichtiger die Physik
Roboter können in Simulationen beispielsweise das Navigieren um Hindernisse oder den Umgang mit Gegenständen trainieren. Bei Aufgaben mit vielen direkten Kontakten reicht eine optisch überzeugende Szene jedoch nicht aus: Sowohl die Geometrie als auch das simulierte physikalische Verhalten beeinflussen, ob ein Trainingsbeispiel brauchbar ist.
Simulation könnte es erleichtern, Szenarien zu wiederholen und zu variieren, ohne jedes Mal einen realen Aufbau zurücksetzen zu müssen. Ungenaue Physik birgt aber das Risiko, dass Roboter mit unrealistischen Beispielen trainiert werden. Die verfügbaren Berichte bestätigen weder ein formales L1-bis-L3-Liefersystem von InSpatio noch Abnahmetests mit echten Robotern oder gemessene Ergebnisse beim Transfer aus der Simulation in die Praxis. Ob das Gelernte auf reale Aufgaben übertragbar ist, muss deshalb auch an echten Robotern geprüft werden.
Was die Ankündigung zeigt – und was noch offen ist
Belegt ist, dass InSpatio in Hangzhou ein simulationsbasiertes Datenerfassungszentrum eröffnet und ein Produktionsziel von einer Million Stunden pro Monat angekündigt hat. Die Berichte beschreiben außerdem eine Pipeline, die räumliche Erfassung, 3D-Rekonstruktion und Simulation verbinden soll. 4
25
Nicht belegt ist, dass das Zentrum dieses Volumen bereits erreicht, mit seinen Daten das gesamte Spektrum von Roboteraufgaben abdeckt oder dass damit trainierte Systeme auf realen Robotern zuverlässig funktionieren. Das zentrale Versprechen lautet: Wiederverwendbare 3D-Umgebungen sollen mehr und vielfältigere Trainingsszenarien ermöglichen. Ob InSpatio damit die angekündigte Größenordnung und überzeugende Ergebnisse in der realen Welt erreicht, muss sich noch zeigen.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Wie InSpatio Robotertraining mit Simulation skalieren will“?
InSpatio eröffnete am 29. Oktober 2026 in Hangzhou ein auf Simulation ausgerichtetes Zentrum für Daten zum Training verkörperter KI.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
InSpatio eröffnete am 29. Oktober 2026 in Hangzhou ein auf Simulation ausgerichtetes Zentrum für Daten zum Training verkörperter KI. Das Unternehmen nennt eine Zielgröße von einer Million Trainingsstunden pro Monat; belegt ist damit noch keine tatsächlich erreichte Produktionsmenge.
Was soll ich als nächstes in der Praxis tun?
Der Ansatz: 3D Umgebungen sollen wiederverwendbar und veränderbar sein, damit Roboter in mehr unterschiedlichen Szenarien trainieren können.