RespuestasPublicado16 fuentes
InSpatio quiere entrenar robots en mundos 3D reutilizables
El centro de InSpatio, inaugurado en Hangzhou el 29 de octubre de 2026, aspira a producir un millón de horas de datos de entrenamiento al mes. La estrategia consiste en combinar escenas 3D reconstruidas o generadas con simulación para crear entornos editables y reutilizables.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- El centro de InSpatio, inaugurado en Hangzhou el 29 de octubre de 2026, aspira a producir un millón de horas de datos de entrenamiento al mes.
- La estrategia consiste en combinar escenas 3D reconstruidas o generadas con simulación para crear entornos editables y reutilizables.
- Las fuentes describen la ambición y las herramientas, pero no demuestran que ya se alcance ese volumen ni que los resultados se trasladen con éxito a robots físicos.
Prompt de IA
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
Para entrenar robots hacen falta muchos ejemplos, pero también situaciones distintas: no basta con repetir una tarea una y otra vez en el mismo espacio. InSpatio propone ampliar esa variedad mediante entornos 3D que puedan modificarse y reutilizarse, en lugar de reconstruir un campo de entrenamiento físico cada vez que cambia la disposición.
La empresa inauguró en Hangzhou, el 29 de octubre de 2026, un centro de recopilación de datos para IA encarnada —sistemas que perciben el entorno y actúan en él, como los robots—. Según la información publicada, aspira a producir un millón de horas de datos al mes. Es una meta anunciada, no un nivel de producción demostrado de forma independiente. 4
25
La apuesta: más variedad, no solo más horas
Recopilar datos con robots en espacios físicos puede requerir preparar y reiniciar los escenarios repetidamente. La alternativa que plantea InSpatio combina escenas 3D reconstruidas o generadas con simulación y permite variar los espacios y las tareas dentro de ellos. La cobertura describe un sistema pensado para que los entornos sean editables, reutilizables y escalables. 25
La diferencia importa: acumular demostraciones en una distribución fija puede aumentar el volumen sin exponer al robot a muchas situaciones nuevas. En principio, una escena editable facilita cambiar la ubicación de los objetos o las condiciones de una tarea. Sin embargo, las fuentes disponibles no cuantifican cuánto tiempo o dinero ahorraría este método frente a recopilar datos en espacios físicos.
Las cifras de producción también requieren contexto. La cobertura menciona tanto la meta de un millón de horas al mes como un ritmo de unas 100.000 horas diarias. Si se mantuviera de forma sostenida, ese ritmo equivaldría a unos tres millones de horas en un mes de 30 días. Los reportes no aclaran si la cifra diaria corresponde a un máximo, a otra meta o a un modo distinto de contabilizar los datos. 25
De espacios reales a escenas simuladas
Una de las vías descritas parte de escanear espacios reales. Kosmo, de Hesai, combina hardware de captura espacial con procesamiento para convertir lo registrado en datos 3D. Hesai anunció su motor de datos de mundos 3D Kosmo en octubre de 2026. 23 Según reportes sobre el sistema, escanear un espacio interior de 100 metros cuadrados tomaría unos 15 minutos y permitiría generar formatos como 3D Gaussian Splatting (3DGS), mallas y datos de profundidad. Son prestaciones comunicadas por las fuentes, no mediciones independientes de la calidad de la reconstrucción.
25
26
El simulador Topos de InSpatio se presenta como una herramienta para generar escenas 3D, reconstruir espacios reales y crear entornos de simulación para IA encarnada. 14 Además, la investigación de InSpatio-World describe métodos para recuperar y generar escenas dinámicas e interactivas a partir de un video de referencia.
17 Esto respalda la idea general de construir mundos simulados, pero no confirma por sí solo todas las entradas posibles ni el flujo completo de Topos Pro que se menciona en algunos reportes.
Escanear no basta para crear un mundo listo para un robot
Una escena reconstruida puede parecer realista sin representar con precisión cómo se mueven o chocan los objetos. La información sobre Kosmo advierte que todavía es necesario completar o configurar datos físicos: el escaneo no produce automáticamente una simulación plenamente especificada. 26
Para entrenar robots, ese paso es esencial. Los objetos deben permitir interacciones significativas y el entorno debe comportarse de manera plausible cuando el robot empuja, agarra o desplaza algo. Las fuentes disponibles no verifican los procedimientos exactos de InSpatio para asignar propiedades a los objetos, reconstruir superficies ocultas o calibrar la física del contacto. La meta de producción, por sí sola, no demuestra que esas capacidades estén resueltas.
Qué se sabe y qué falta demostrar
Las fuentes confirman que InSpatio abrió en Hangzhou un centro de recopilación de datos basado principalmente en simulación y anunció una meta de un millón de horas mensuales. También describen una cadena de trabajo más amplia que enlaza captura espacial, reconstrucción 3D y simulación. 4
25
No demuestran que el centro ya haya alcanzado ese volumen, que los datos cubran de forma fiable una amplia variedad de tareas robóticas ni que los modelos entrenados allí funcionen bien en robots físicos. La promesa es crear más escenarios de entrenamiento haciendo reutilizables los entornos 3D. Queda por comprobar si el sistema puede cumplir la escala anunciada y ofrecer resultados transferibles al mundo real.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "InSpatio quiere entrenar robots en mundos 3D reutilizables"?
El centro de InSpatio, inaugurado en Hangzhou el 29 de octubre de 2026, aspira a producir un millón de horas de datos de entrenamiento al mes.
¿Cuáles son los puntos clave a validar primero?
El centro de InSpatio, inaugurado en Hangzhou el 29 de octubre de 2026, aspira a producir un millón de horas de datos de entrenamiento al mes. La estrategia consiste en combinar escenas 3D reconstruidas o generadas con simulación para crear entornos editables y reutilizables.
¿Qué debo hacer a continuación en la práctica?
Las fuentes describen la ambición y las herramientas, pero no demuestran que ya se alcance ese volumen ni que los resultados se trasladen con éxito a robots físicos.