답변게시됨16 소스
인스파시오, 시뮬레이션으로 로봇 학습 데이터 규모와 다양성 늘린다
인스파시오는 항저우 데이터 센터에서 편집 가능한 3D 환경을 재사용해 로봇 학습 데이터를 월 100만 시간 규모로 생산하겠다는 목표를 밝혔다. 헤사이의 코스모를 이용한 공간 스캔과 톱스 시뮬레이터를 연결하는 구상이지만, 스캔만으로 물체의 물리적 특성까지 완성되는 것은 아니다.
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- 인스파시오는 항저우 데이터 센터에서 편집 가능한 3D 환경을 재사용해 로봇 학습 데이터를 월 100만 시간 규모로 생산하겠다는 목표를 밝혔다.
- 헤사이의 코스모를 이용한 공간 스캔과 톱스 시뮬레이터를 연결하는 구상이지만, 스캔만으로 물체의 물리적 특성까지 완성되는 것은 아니다.
- 발표된 생산 목표는 실제 달성량이나 실제 로봇에서의 학습 성능을 입증한 수치가 아니다.
AI 프롬프트
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
로봇을 학습시키려면 다양한 환경에서 반복적으로 데이터를 모아야 한다. 하지만 물리적 훈련 공간은 배치를 바꾸거나 장비를 다시 설치할 때마다 손이 간다. 인스파시오(InSpatio)는 환경을 3D로 재구성해 편집하고 재사용하는 방식으로 이 부담을 줄이려 한다.
회사는 2026년 10월 29일 항저우에 시뮬레이션 중심의 체화형 AI 데이터 센터를 열었다. 목표는 한 달에 로봇 학습 데이터 100만 시간분을 생산하는 것이다. 이는 회사가 내건 목표이지, 이미 달성한 생산량으로 확인된 수치는 아니다. 4
25
데이터 양뿐 아니라 ‘다른 상황’을 늘리는 구상
실제 공간에서 데이터를 모으려면 로봇과 물체를 배치하고, 동작을 시연한 뒤, 다음 작업을 위해 환경을 다시 정리해야 할 수 있다. 인스파시오가 내세우는 대안은 3D 장면을 재구성하거나 생성한 뒤 시뮬레이션에서 여러 환경과 작업 조건을 바꿔가며 데이터를 만드는 것이다. 보도에 따르면 이 회사는 장면을 편집·재사용·확장할 수 있는 체계를 구축해 데이터의 양뿐 아니라 공간 배치의 다양성도 늘리는 것을 목표로 한다. 25
이 차이는 중요하다. 같은 배치에서 시연을 많이 모으면 데이터 시간은 늘어도 로봇이 마주하는 상황의 폭은 제한될 수 있다. 편집 가능한 장면이라면 물체 위치나 작업 조건을 바꿔 새로운 경우를 만들기 쉬워질 가능성이 있다. 다만 현재 공개된 보도만으로는 실제 공간에서 데이터를 수집하는 방식과 비교해 시간이나 비용을 얼마나 줄이는지 알 수 없다.
생산 목표로 제시된 두 수치도 구분해 볼 필요가 있다. 보도에는 월 100만 시간과 하루 약 10만 시간이 함께 언급된다. 하루 10만 시간을 한 달 내내 유지하면 30일 기준 약 300만 시간이 된다. 하루 수치가 최고 생산량인지, 별도의 목표인지, 다른 산정 방식인지는 보도에서 설명되지 않았다. 25
실제 공간을 3D 장면으로 옮기는 방법
한 가지 입력 경로는 현실 공간을 직접 스캔하는 것이다. 헤사이는 2026년 10월 코스모(Kosmo) 3D 월드 데이터 엔진을 발표했다. 23 관련 보도에 따르면 실내 100㎡를 약 15분 만에 스캔하고, 3D 가우시안 스플래팅(3DGS), 메시(mesh), 깊이(depth) 데이터를 결과물로 만들 수 있다고 한다. 이는 공개된 성능 설명이며, 재구성 품질을 독립적으로 측정한 결과는 아니다.
25
26
인스파시오의 톱스(Topos) 시뮬레이터는 3D 장면 생성, 실제 공간 재구성, 체화형 시뮬레이션을 지원하는 도구로 소개돼 있다. 14 인스파시오-월드 연구도 참조 영상에서 역동적이고 상호작용 가능한 장면을 복원·생성하는 방법을 설명한다.
17 다만 이 자료만으로 일부 보도에 나온 톱스 프로의 전체 작업 흐름이나 지원 입력 형식을 모두 확인할 수는 없다.
스캔한 장면이 곧바로 로봇 훈련 환경이 되지는 않는다
눈으로 보기에 그럴듯한 3D 장면이라도 물체가 어떻게 움직이고 서로 부딪히는지 정확히 표현하지 못할 수 있다. 코스모 관련 보도는 물리적 특성 등 추가 정보를 보완하거나 설정해야 하며, 스캔만으로 완성된 시뮬레이션이 만들어지는 것은 아니라고 지적한다. 26
로봇이 물체를 밀고, 집고, 옮기는 상황을 학습하려면 물체가 상호작용 가능한 방식으로 표현돼야 한다. 환경도 그 동작에 따라 그럴듯하게 반응해야 한다. 공개된 자료에서는 인스파시오가 물체의 물리 속성을 어떤 절차로 지정하는지, 가려진 면을 어떻게 복원하는지, 접촉 물리를 어떻게 보정하는지까지 확인되지 않는다. 생산 목표만으로 이런 기능이 모두 구현됐다고 볼 수는 없다.
어려운 작업일수록 시뮬레이션의 정확성이 중요하다
로봇 학습 과제는 장애물을 피해 이동하는 것부터 물체를 정교하게 다루고 관절 구조물과 접촉하는 것까지 다양하다. 조작이 복잡해질수록 장면의 시각적 유사성만으로는 부족하다. 물체의 형태와 시뮬레이션된 물리 작용이 모두 학습 데이터의 유용성에 영향을 준다.
시뮬레이션은 물리적 훈련 공간을 매번 다시 정리하지 않고도 상황을 반복하고 바꿔볼 수 있는 방법이 될 수 있다. 반면 물리가 부정확하면 실제와 다른 데이터를 대량으로 만들 위험도 있다. 공개된 자료로는 인스파시오의 공식적인 L1~L3 데이터 제공 체계나 실제 로봇 검수 기준, 측정된 전이 성과를 확인할 수 없다. 시뮬레이션에서 배운 기술이 현실에서도 통하는지는 실제 로봇 시험이 필요하다.
발표된 목표와 아직 입증되지 않은 성과
확인된 내용은 인스파시오가 항저우에 시뮬레이션 기반 데이터 센터를 열었고, 월 100만 시간 규모의 데이터 생산 목표를 발표했다는 점이다. 보도와 회사 자료는 공간 캡처, 3D 재구성, 시뮬레이션을 잇는 큰 틀의 접근 방식도 설명한다. 4
25
반면 센터가 이미 목표 생산량에 도달했는지, 데이터가 다양한 로봇 작업을 폭넓게 다루는지, 그 데이터로 학습한 정책이 실제 로봇에서 잘 작동하는지는 확인되지 않았다. 핵심 구상은 분명하다. 3D 환경을 재사용할 수 있게 만들어 더 다양한 훈련 상황을 대량으로 만들겠다는 것이다. 제시한 규모와 현실 세계의 성과를 실제로 달성할 수 있을지는 앞으로 입증해야 할 과제다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"인스파시오, 시뮬레이션으로 로봇 학습 데이터 규모와 다양성 늘린다"에 대한 짧은 대답은 무엇입니까?
인스파시오는 항저우 데이터 센터에서 편집 가능한 3D 환경을 재사용해 로봇 학습 데이터를 월 100만 시간 규모로 생산하겠다는 목표를 밝혔다.
먼저 검증할 핵심 포인트는 무엇인가요?
인스파시오는 항저우 데이터 센터에서 편집 가능한 3D 환경을 재사용해 로봇 학습 데이터를 월 100만 시간 규모로 생산하겠다는 목표를 밝혔다. 헤사이의 코스모를 이용한 공간 스캔과 톱스 시뮬레이터를 연결하는 구상이지만, 스캔만으로 물체의 물리적 특성까지 완성되는 것은 아니다.
실무에서는 다음으로 무엇을 해야 합니까?
발표된 생산 목표는 실제 달성량이나 실제 로봇에서의 학습 성능을 입증한 수치가 아니다.