InSpatio אומרת שהמרכז החדש שלה בהאנגג'ואו שואף לייצר מיליון שעות נתוני אימון לרובוטים בחודש באמצעות שימוש חוזר בסביבות תלת־ממד שניתן לערוך. סריקה תלת־ממדית וסימולציה עשויות לסייע ביצירת מגוון רחב יותר של סידורי חלל, אך הדיווחים אינם מוכיחים שהיעד הושג או שהאימון מתורגם לביצועים טובים יותר ברובוטים אמיתיים.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer

Create 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 רוצה להגדיל את היקף נתוני האימון לרובוטים בלי לבנות מחדש מתחם פיזי בכל פעם שמשנים את סידור החדר או את המשימה. ב־29 באוקטובר 2026 פתחה החברה מרכז לאיסוף נתונים לאימון רובוטים בהאנגג'ואו, המבוסס בעיקר על סימולציה, והציבה יעד של מיליון שעות נתונים בחודש. זהו יעד שהחברה הכריזה עליו — לא תפוקה שכבר הוכחה באופן בלתי תלוי. 4
25
איסוף נתונים לרובוטים בסביבה פיזית עשוי לדרוש הכנות חוזרות, סידור מחדש של חפצים ואיפוס המתחם בין משימות. לפי הדיווחים, החלופה של InSpatio היא לשלב סצנות תלת־ממד משוחזרות או שנוצרו באופן ממוחשב עם סימולציה, ואז לשנות את הסביבה ואת תנאי המשימה בתוכה. המערכת מתוארת ככזו שנועדה להפוך סצנות לניתנות לעריכה, לשימוש חוזר ולהרחבה. 25
למה זה חשוב? אלפי הדגמות באותו סידור קבוע עשויות להוסיף הרבה נתונים, אך לא בהכרח לחשוף רובוט למגוון רחב של מצבים. סצנות שניתן לערוך עשויות להקל על שינוי מיקום החפצים ותנאי המשימה. עם זאת, הדיווחים הזמינים אינם מכמתים כמה זמן או כסף נחסכים בשיטה הזאת לעומת איסוף נתונים בסביבה פיזית.
גם נתוני התפוקה שפורסמו דורשים הקשר. הדיווחים מציגים יעד של מיליון שעות בחודש, ולצדו כ־100 אלף שעות ביום. אם מייצרים 100 אלף שעות מדי יום לאורך חודש של 30 יום, מדובר בכשלושה מיליון שעות — לא במיליון. המקורות אינם מסבירים אם הנתון היומי מתייחס לתפוקה מרבית, ליעד נפרד או לשיטת חישוב אחרת. 25
אחת הדרכים לבנות סצנות מתחילה בסריקה של העולם האמיתי. מערכת Kosmo של Hesai משלבת חומרה ללכידת מרחב עם עיבוד שנועד להפוך את הסריקה לתוצרים תלת־ממדיים. Hesai הכריזה על מנוע הנתונים התלת־ממדיים Kosmo באוקטובר 2026. 23 לפי דיווחים על המערכת, אפשר לסרוק חלל פנימי בגודל 100 מ״ר בכ־15 דקות, ולהפיק בין היתר ייצוגים מסוג 3D Gaussian Splatting, רשתות תלת־ממד ונתוני עומק. אלה יכולות שדווחו — לא מדידות בלתי תלויות של איכות השחזור.
25
26
הסימולטור Topos של InSpatio מתואר ככלי ליצירת סצנות תלת־ממד, לשחזור סביבות מהעולם האמיתי ולסימולציה של רובוטים הפועלים בתוכן. 14 מחקר InSpatio-World מתאר גם שחזור ויצירה של סצנות דינמיות ואינטראקטיביות מתוך סרטון ייחוס.
17 המקורות תומכים בתמונה הרחבה של בניית סצנות, אך אינם מאמתים באופן עצמאי כל סוג קלט או את מלוא תהליך העבודה של Topos Pro כפי שתואר בחלק מהדיווחים.
סצנה משוחזרת יכולה להיראות משכנעת, אך עדיין לא לתאר במדויק כיצד חפצים זזים או מתנגשים. בדיווחים על Kosmo מצוין שיש להשלים או להגדיר נתונים פיזיים ותכונות נוספות; סריקה כשלעצמה אינה יוצרת אוטומטית סימולציה מלאה. 26
זהו שלב קריטי באימון רובוטים: צריך לייצג חפצים כך שהרובוט יוכל לקיים איתם אינטראקציה, ולוודא שהסביבה מגיבה באופן סביר כשהוא דוחף, אוחז או מזיז אותם. המקורות הזמינים אינם מאמתים את הנהלים המדויקים של InSpatio להגדרת תכונות חפצים, לשחזור חלקים מוסתרים או לכיול פיזיקת המגע. אין להסיק שהיכולות האלה כבר הוכחו רק על סמך יעד התפוקה שהוכרז.
אימון רובוטים עשוי לעסוק בניווט בין מכשולים, במניפולציה של חפצים או בהתמודדות עם מגע ומנגנונים מפרקיים. ככל שהמשימה כוללת יותר אינטראקציה, מראה חזותי משכנע כבר אינו מספיק: גם הגיאומטריה של החפצים וגם ההתנהגות הפיזיקלית המדומה משפיעות על השאלה אם נתוני האימון מועילים.
סימולציה יכולה לאפשר חזרה על תרחישים ושינוי שלהם בלי לאפס בכל פעם סביבת אימון פיזית. אבל פיזיקה לא מדויקת עלולה לייצר נתונים מטעים. הדיווחים הזמינים אינם מאמתים מערכת מסירה רשמית של InSpatio ברמות L1–L3, מבחני קבלה על רובוטים אמיתיים או תוצאות מדודות של העברת מיומנויות מהסימולציה לעולם הפיזי. ניסויים על רובוטים אמיתיים נותרו חשובים כדי לבדוק אם האימון אכן מתורגם לביצוע משימות במציאות.
המקורות מתעדים את פתיחת מרכז הנתונים של InSpatio בהאנגג'ואו, המבוסס בעיקר על סימולציה, ואת השאיפה לייצר בו מיליון שעות נתונים בחודש. הם מתארים גם תהליך רחב יותר שמחבר בין לכידת מרחב, שחזור תלת־ממדי וסימולציה. 4
25
הם אינם מוכיחים שהמרכז כבר הגיע להיקף הזה, שהנתונים מכסים באופן אמין את מגוון המשימות שרובוטים נדרשים לבצע, או שמדיניות האימון שנוצרה בו מובילה לביצועים טובים על רובוטים פיזיים. ההבטחה המרכזית ברורה: ליצור יותר תרחישים מגוונים באמצעות סביבות תלת־ממד שאפשר להשתמש בהן שוב. האם השיטה תספק את ההיקף ואת התוצאות בעולם האמיתי — עוד צריך להראות.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
InSpatio אומרת שהמרכז החדש שלה בהאנגג'ואו שואף לייצר מיליון שעות נתוני אימון לרובוטים בחודש באמצעות שימוש חוזר בסביבות תלת־ממד שניתן לערוך.
InSpatio אומרת שהמרכז החדש שלה בהאנגג'ואו שואף לייצר מיליון שעות נתוני אימון לרובוטים בחודש באמצעות שימוש חוזר בסביבות תלת־ממד שניתן לערוך. סריקה תלת־ממדית וסימולציה עשויות לסייע ביצירת מגוון רחב יותר של סידורי חלל, אך הדיווחים אינם מוכיחים שהיעד הושג או שהאימון מתורגם לביצועים טובים יותר ברובוטים אמיתיים.
InSpatio אומרת שהמרכז החדש שלה בהאנגג'ואו שואף לייצר מיליון שעות נתוני אימון לרובוטים בחודש באמצעות שימוש חוזר בסביבות תלת־ממד שניתן לערוך. סריקה תלת־ממדית וסימולציה עשויות לסייע ביצירת מגוון רחב יותר של סידורי חלל, אך הדיווחים אינם מוכיחים שהיעד הושג או שהאימון מתורגם לביצועים טובים יותר ברובוטים אמיתיים.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer

Create 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 רוצה להגדיל את היקף נתוני האימון לרובוטים בלי לבנות מחדש מתחם פיזי בכל פעם שמשנים את סידור החדר או את המשימה. ב־29 באוקטובר 2026 פתחה החברה מרכז לאיסוף נתונים לאימון רובוטים בהאנגג'ואו, המבוסס בעיקר על סימולציה, והציבה יעד של מיליון שעות נתונים בחודש. זהו יעד שהחברה הכריזה עליו — לא תפוקה שכבר הוכחה באופן בלתי תלוי. 4
25
איסוף נתונים לרובוטים בסביבה פיזית עשוי לדרוש הכנות חוזרות, סידור מחדש של חפצים ואיפוס המתחם בין משימות. לפי הדיווחים, החלופה של InSpatio היא לשלב סצנות תלת־ממד משוחזרות או שנוצרו באופן ממוחשב עם סימולציה, ואז לשנות את הסביבה ואת תנאי המשימה בתוכה. המערכת מתוארת ככזו שנועדה להפוך סצנות לניתנות לעריכה, לשימוש חוזר ולהרחבה. 25
למה זה חשוב? אלפי הדגמות באותו סידור קבוע עשויות להוסיף הרבה נתונים, אך לא בהכרח לחשוף רובוט למגוון רחב של מצבים. סצנות שניתן לערוך עשויות להקל על שינוי מיקום החפצים ותנאי המשימה. עם זאת, הדיווחים הזמינים אינם מכמתים כמה זמן או כסף נחסכים בשיטה הזאת לעומת איסוף נתונים בסביבה פיזית.
גם נתוני התפוקה שפורסמו דורשים הקשר. הדיווחים מציגים יעד של מיליון שעות בחודש, ולצדו כ־100 אלף שעות ביום. אם מייצרים 100 אלף שעות מדי יום לאורך חודש של 30 יום, מדובר בכשלושה מיליון שעות — לא במיליון. המקורות אינם מסבירים אם הנתון היומי מתייחס לתפוקה מרבית, ליעד נפרד או לשיטת חישוב אחרת. 25
אחת הדרכים לבנות סצנות מתחילה בסריקה של העולם האמיתי. מערכת Kosmo של Hesai משלבת חומרה ללכידת מרחב עם עיבוד שנועד להפוך את הסריקה לתוצרים תלת־ממדיים. Hesai הכריזה על מנוע הנתונים התלת־ממדיים Kosmo באוקטובר 2026. 23 לפי דיווחים על המערכת, אפשר לסרוק חלל פנימי בגודל 100 מ״ר בכ־15 דקות, ולהפיק בין היתר ייצוגים מסוג 3D Gaussian Splatting, רשתות תלת־ממד ונתוני עומק. אלה יכולות שדווחו — לא מדידות בלתי תלויות של איכות השחזור.
25
26
הסימולטור Topos של InSpatio מתואר ככלי ליצירת סצנות תלת־ממד, לשחזור סביבות מהעולם האמיתי ולסימולציה של רובוטים הפועלים בתוכן. 14 מחקר InSpatio-World מתאר גם שחזור ויצירה של סצנות דינמיות ואינטראקטיביות מתוך סרטון ייחוס.
17 המקורות תומכים בתמונה הרחבה של בניית סצנות, אך אינם מאמתים באופן עצמאי כל סוג קלט או את מלוא תהליך העבודה של Topos Pro כפי שתואר בחלק מהדיווחים.
סצנה משוחזרת יכולה להיראות משכנעת, אך עדיין לא לתאר במדויק כיצד חפצים זזים או מתנגשים. בדיווחים על Kosmo מצוין שיש להשלים או להגדיר נתונים פיזיים ותכונות נוספות; סריקה כשלעצמה אינה יוצרת אוטומטית סימולציה מלאה. 26
זהו שלב קריטי באימון רובוטים: צריך לייצג חפצים כך שהרובוט יוכל לקיים איתם אינטראקציה, ולוודא שהסביבה מגיבה באופן סביר כשהוא דוחף, אוחז או מזיז אותם. המקורות הזמינים אינם מאמתים את הנהלים המדויקים של InSpatio להגדרת תכונות חפצים, לשחזור חלקים מוסתרים או לכיול פיזיקת המגע. אין להסיק שהיכולות האלה כבר הוכחו רק על סמך יעד התפוקה שהוכרז.
אימון רובוטים עשוי לעסוק בניווט בין מכשולים, במניפולציה של חפצים או בהתמודדות עם מגע ומנגנונים מפרקיים. ככל שהמשימה כוללת יותר אינטראקציה, מראה חזותי משכנע כבר אינו מספיק: גם הגיאומטריה של החפצים וגם ההתנהגות הפיזיקלית המדומה משפיעות על השאלה אם נתוני האימון מועילים.
סימולציה יכולה לאפשר חזרה על תרחישים ושינוי שלהם בלי לאפס בכל פעם סביבת אימון פיזית. אבל פיזיקה לא מדויקת עלולה לייצר נתונים מטעים. הדיווחים הזמינים אינם מאמתים מערכת מסירה רשמית של InSpatio ברמות L1–L3, מבחני קבלה על רובוטים אמיתיים או תוצאות מדודות של העברת מיומנויות מהסימולציה לעולם הפיזי. ניסויים על רובוטים אמיתיים נותרו חשובים כדי לבדוק אם האימון אכן מתורגם לביצוע משימות במציאות.
המקורות מתעדים את פתיחת מרכז הנתונים של InSpatio בהאנגג'ואו, המבוסס בעיקר על סימולציה, ואת השאיפה לייצר בו מיליון שעות נתונים בחודש. הם מתארים גם תהליך רחב יותר שמחבר בין לכידת מרחב, שחזור תלת־ממדי וסימולציה. 4
25
הם אינם מוכיחים שהמרכז כבר הגיע להיקף הזה, שהנתונים מכסים באופן אמין את מגוון המשימות שרובוטים נדרשים לבצע, או שמדיניות האימון שנוצרה בו מובילה לביצועים טובים על רובוטים פיזיים. ההבטחה המרכזית ברורה: ליצור יותר תרחישים מגוונים באמצעות סביבות תלת־ממד שאפשר להשתמש בהן שוב. האם השיטה תספק את ההיקף ואת התוצאות בעולם האמיתי — עוד צריך להראות.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
InSpatio אומרת שהמרכז החדש שלה בהאנגג'ואו שואף לייצר מיליון שעות נתוני אימון לרובוטים בחודש באמצעות שימוש חוזר בסביבות תלת־ממד שניתן לערוך.
InSpatio אומרת שהמרכז החדש שלה בהאנגג'ואו שואף לייצר מיליון שעות נתוני אימון לרובוטים בחודש באמצעות שימוש חוזר בסביבות תלת־ממד שניתן לערוך. סריקה תלת־ממדית וסימולציה עשויות לסייע ביצירת מגוון רחב יותר של סידורי חלל, אך הדיווחים אינם מוכיחים שהיעד הושג או שהאימון מתורגם לביצועים טובים יותר ברובוטים אמיתיים.