उत्तरप्रकाशित16 स्रोत
InSpatio सिमुलेशन से रोबोट ट्रेनिंग डेटा का पैमाना बढ़ाना चाहती है
InSpatio का कहना है कि हांगझोऊ केंद्र में संपादन और पुनः इस्तेमाल किए जा सकने वाले 3D वातावरणों के जरिए हर महीने दस लाख घंटे का रोबोट ट्रेनिंग डेटा बनाने का लक्ष्य है। Hesai का Kosmo वास्तविक जगहों को 3D रूप में दर्ज करने का एक रास्ता देता है; InSpatio का Topos सिमुलेशन और दृश्य निर्माण के लिए है। घोषित लक्ष्य से यह...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- InSpatio का कहना है कि हांगझोऊ केंद्र में संपादन और पुनः इस्तेमाल किए जा सकने वाले 3D वातावरणों के जरिए हर महीने दस लाख घंटे का रोबोट ट्रेनिंग डेटा बनाने का लक्ष्य है।
- Hesai का Kosmo वास्तविक जगहों को 3D रूप में दर्ज करने का एक रास्ता देता है; InSpatio का Topos सिमुलेशन और दृश्य निर्माण के लिए है।
- घोषित लक्ष्य से यह साबित नहीं होता कि केंद्र अभी इतनी मात्रा में डेटा बना रहा है या सिमुलेशन में प्रशिक्षित रोबोट वास्तविक दुनिया में उतना ही अच्छा काम करते हैं।
AI संकेत
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
रोबोट को सिर्फ अधिक अभ्यास कराना काफी नहीं—उसे अलग-अलग जगहों, वस्तुओं की नई व्यवस्थाओं और बदलती परिस्थितियों में भी काम करना सीखना होता है। InSpatio का तरीका ऐसे 3D प्रशिक्षण वातावरण बनाना है जिन्हें बार-बार इस्तेमाल और संपादित किया जा सके, ताकि हर नए अभ्यास के लिए भौतिक सेटअप फिर से तैयार न करना पड़े।
कंपनी ने 29 अक्टूबर 2026 को हांगझोऊ में अपना सिमुलेशन-आधारित एम्बॉडीड एआई डेटा केंद्र खोला। एम्बॉडीड एआई से आशय ऐसे एआई से है जो रोबोट जैसे उपकरणों के जरिए भौतिक दुनिया में काम करता है। InSpatio का घोषित लक्ष्य हर महीने दस लाख घंटे का ट्रेनिंग डेटा तैयार करना है। यह लक्ष्य है—केंद्र की स्वतंत्र रूप से सत्यापित उत्पादन क्षमता नहीं। 4
25
लक्ष्य सिर्फ ज्यादा डेटा नहीं, अलग-अलग परिस्थितियां भी
भौतिक जगहों पर रोबोट का डेटा जुटाने में उपकरण और वस्तुएं बार-बार व्यवस्थित करनी पड़ सकती हैं। InSpatio की बताई योजना में 3D दृश्यों का पुनर्निर्माण या निर्माण करके उन्हें सिमुलेशन में इस्तेमाल करना शामिल है। ऐसे दृश्यों को संपादित और दोबारा इस्तेमाल किया जा सके, तो वस्तुओं की जगह और काम की परिस्थितियां बदलकर नए प्रशिक्षण उदाहरण बनाए जा सकते हैं। 25
यह फर्क अहम है। एक ही व्यवस्था में बहुत-से अभ्यास रिकॉर्ड करने से डेटा की कुल मात्रा तो बढ़ सकती है, लेकिन रोबोट को मिलने वाली परिस्थितियों की विविधता सीमित रह सकती है। हालांकि उपलब्ध रिपोर्टिंग यह नहीं बताती कि यह तरीका पारंपरिक भौतिक डेटा-संग्रह की तुलना में कितना समय या खर्च बचाता है।
उत्पादन के बताए गए आंकड़ों में भी एक अस्पष्टता है: रिपोर्ट में महीने के दस लाख घंटे के लक्ष्य के साथ लगभग एक लाख घंटे प्रतिदिन का आंकड़ा भी आया है। अगर रोजाना एक लाख घंटे की दर पूरे 30 दिन बनी रहे, तो महीने का आंकड़ा लगभग 30 लाख घंटे होगा। उपलब्ध रिपोर्ट यह स्पष्ट नहीं करती कि दैनिक आंकड़ा अधिकतम क्षमता है, अलग लक्ष्य है या डेटा गिनने का कोई दूसरा आधार। 25
असली जगहों को 3D दृश्यों में बदलना
इस प्रक्रिया का एक हिस्सा वास्तविक जगहों को स्कैन करना है। Hesai ने अक्टूबर 2026 में अपना Kosmo 3D world data engine पेश किया। 23 रिपोर्टिंग के मुताबिक, Kosmo से 100 वर्ग मीटर के अंदरूनी स्थान को लगभग 15 मिनट में स्कैन किया जा सकता है। इससे 3D Gaussian splats, मेश और डेप्थ डेटा जैसे आउटपुट मिलते हैं। ये बताए गए फीचर हैं; उपलब्ध स्रोतों में पुनर्निर्माण की गुणवत्ता का स्वतंत्र मापन नहीं दिया गया है।
25
26
InSpatio का Topos सिम्युलेटर 3D दृश्य बनाने, वास्तविक जगहों का पुनर्निर्माण करने और एम्बॉडीड सिमुलेशन के लिए बताया गया है। 14 कंपनी के InSpatio-World शोध में एक संदर्भ वीडियो से गतिशील, इंटरैक्टिव दृश्य पुनर्प्राप्त करने और बनाने की क्षमता का भी वर्णन है।
17 ये स्रोत कंपनी की व्यापक दृश्य-निर्माण दिशा का समर्थन करते हैं, लेकिन Topos Pro के हर इनपुट विकल्प या पूरी कार्यप्रणाली की स्वतंत्र पुष्टि नहीं करते।
स्कैन किया हुआ दृश्य अपने आप रोबोट-तैयार नहीं होता
कोई 3D दृश्य देखने में वास्तविक लग सकता है, लेकिन इससे यह साबित नहीं होता कि वस्तुएं उसमें सही तरह हिलेंगी या टकराव का व्यवहार ठीक होगा। Kosmo पर रिपोर्टिंग के अनुसार, स्कैन के बाद भी भौतिक गुणों और अन्य डेटा को पूरा या कॉन्फ़िगर करना पड़ सकता है; केवल स्कैन करने से पूरी तरह परिभाषित सिमुलेशन नहीं बन जाता। 26
रोबोट प्रशिक्षण में यह खास तौर पर जरूरी है। रोबोट को वस्तु पकड़नी, धकेलनी या उठानी हो तो दृश्य में उसकी आकृति ही नहीं, उसके साथ होने वाली बातचीत भी विश्वसनीय ढंग से दिखाई जानी चाहिए। उपलब्ध स्रोत InSpatio की वस्तुओं के गुण तय करने, छिपे हिस्सों का पुनर्निर्माण करने या संपर्क-भौतिकी को कैलिब्रेट करने की सटीक प्रक्रिया की पुष्टि नहीं करते। इसलिए इन क्षमताओं को घोषित उत्पादन लक्ष्य के आधार पर स्थापित तथ्य नहीं मानना चाहिए।
सिमुलेशन की उपयोगिता और उसकी सीमा
रोबोट के काम साधारण रास्ता खोजने से लेकर वस्तु पकड़ने और चलने वाले हिस्सों के साथ संपर्क करने तक फैले हैं। जैसे-जैसे काम में वस्तुओं के साथ सीधी बातचीत बढ़ती है, केवल दृश्य का वास्तविक जैसा दिखना पर्याप्त नहीं रहता। उसकी ज्यामिति और भौतिक व्यवहार—दोनों—महत्वपूर्ण हो जाते हैं।
सिमुलेशन में किसी स्थिति को बार-बार दोहराना और बदलना संभव हो सकता है, बिना हर बार असली सेटअप को फिर से व्यवस्थित किए। लेकिन अगर सिमुलेशन की भौतिकी गलत हो, तो उससे बना बहुत-सा डेटा भी रोबोट को गलत व्यवहार सिखा सकता है। उपलब्ध रिपोर्टिंग InSpatio की किसी औपचारिक L1–L3 डेटा-डिलीवरी प्रणाली, वास्तविक रोबोट पर स्वीकृति-परीक्षणों या मापे गए ट्रांसफर नतीजों की पुष्टि नहीं करती। यह जानने के लिए असली रोबोटों पर परीक्षण जरूरी हैं कि सिमुलेशन में सीखा कौशल भौतिक दुनिया में भी काम करता है या नहीं।
घोषणा क्या बताती है—और क्या नहीं
स्रोत बताते हैं कि InSpatio ने हांगझोऊ में सिमुलेशन-आधारित डेटा केंद्र खोला है और महीने में दस लाख घंटे डेटा बनाने की महत्वाकांक्षा घोषित की है। वे वास्तविक जगहों की 3D मैपिंग, दृश्य पुनर्निर्माण और सिमुलेशन को जोड़ने वाली व्यापक योजना का भी वर्णन करते हैं। 4
25
लेकिन इनसे यह साबित नहीं होता कि केंद्र पहले से उस मात्रा में डेटा बना रहा है, उसका डेटा रोबोट के सभी तरह के कामों को कवर करता है, या वहां प्रशिक्षित नीतियां असली रोबोटों पर अच्छा प्रदर्शन करती हैं। मुख्य विचार स्पष्ट है: 3D वातावरणों को दोबारा इस्तेमाल योग्य बनाकर अधिक और विविध प्रशिक्षण परिस्थितियां तैयार करना। यह तरीका घोषित पैमाने और वास्तविक दुनिया के नतीजे हासिल करता है या नहीं, यह अभी दिखाया जाना बाकी है।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"InSpatio सिमुलेशन से रोबोट ट्रेनिंग डेटा का पैमाना बढ़ाना चाहती है" का संक्षिप्त उत्तर क्या है?
InSpatio का कहना है कि हांगझोऊ केंद्र में संपादन और पुनः इस्तेमाल किए जा सकने वाले 3D वातावरणों के जरिए हर महीने दस लाख घंटे का रोबोट ट्रेनिंग डेटा बनाने का लक्ष्य है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
InSpatio का कहना है कि हांगझोऊ केंद्र में संपादन और पुनः इस्तेमाल किए जा सकने वाले 3D वातावरणों के जरिए हर महीने दस लाख घंटे का रोबोट ट्रेनिंग डेटा बनाने का लक्ष्य है। Hesai का Kosmo वास्तविक जगहों को 3D रूप में दर्ज करने का एक रास्ता देता है; InSpatio का Topos सिमुलेशन और दृश्य निर्माण के लिए है।
मुझे अभ्यास में आगे क्या करना चाहिए?
घोषित लक्ष्य से यह साबित नहीं होता कि केंद्र अभी इतनी मात्रा में डेटा बना रहा है या सिमुलेशन में प्रशिक्षित रोबोट वास्तविक दुनिया में उतना ही अच्छा काम करते हैं।