InSpatio opende op 29 oktober 2026 in Hangzhou een centrum voor robotdata op basis van simulatie en mikt op één miljoen uur trainingsdata per maand. De aanpak draait om 3D omgevingen die opnieuw te gebruiken en aan te passen zijn, zodat robots in meer verschillende situaties kunnen trainen.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met 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
Robottraining vraagt veel voorbeelden: een robot moet leren omgaan met uiteenlopende objecten, opstellingen en omstandigheden. InSpatio wil dat niet alleen oplossen door meer fysieke trainingsruimtes op te tuigen. Het bedrijf zet in op bewerkbare 3D-omgevingen die in simulaties opnieuw gebruikt en aangepast kunnen worden.
Op 29 oktober 2026 opende InSpatio in Hangzhou een centrum voor dataverzameling rond embodied AI — AI-systemen die de fysieke wereld waarnemen en daarin handelen. Het bedrijf zegt toe te werken naar één miljoen uur trainingsdata per maand. Dat is een doelstelling, geen onafhankelijk bevestigde productieprestatie. 4
25
Data verzamelen met echte robots kan betekenen dat een fysieke omgeving telkens opnieuw moet worden ingericht of teruggezet. De aanpak die over InSpatio is beschreven, combineert gereconstrueerde of gegenereerde 3D-scènes met simulatie. Binnen zulke scènes kunnen de omgeving en de omstandigheden worden aangepast, zodat trainingsdata niet alleen in hoeveelheid, maar ook in variatie kunnen toenemen. 25
Dat verschil is belangrijk. Veel voorbeelden uit één vaste opstelling leveren niet automatisch ervaring op met allerlei andere ruimtelijke situaties. Bewerkbare scènes kunnen het makkelijker maken om bijvoorbeeld objecten anders neer te zetten. De beschikbare berichtgeving maakt echter niet duidelijk hoeveel tijd of kosten deze werkwijze bespaart ten opzichte van trainen in fysieke ruimtes.
Ook de genoemde productiecijfers verdienen nuance. Naast het maanddoel wordt gesproken over ongeveer 100.000 uur per dag. Als dat tempo een hele maand aanhoudt, komt dat neer op circa drie miljoen uur in 30 dagen, niet één miljoen. De berichtgeving verduidelijkt niet of het dagcijfer een piek, een afzonderlijk doel of een andere manier van tellen is. 25
Een van de beschreven routes begint met het vastleggen van bestaande ruimtes. Hesai kondigde in oktober 2026 zijn Kosmo 3D world data engine aan. 23 Volgens berichtgeving over het systeem kan een binnenruimte van 100 vierkante meter in ongeveer 15 minuten worden gescand. De uitvoer omvat onder meer 3D Gaussian splats, meshes en dieptegegevens. Dit zijn gemelde mogelijkheden; de bronnen bevatten geen onafhankelijke beoordeling van de nauwkeurigheid van de reconstructie.
25
26
InSpatio beschrijft zijn Topos-simulator als een systeem voor het genereren van 3D-scènes, het reconstrueren van echte omgevingen en simulatie voor embodied AI. 14 Ook het onderzoek naar InSpatio-World beschrijft hoe dynamische, interactieve scènes kunnen worden gereconstrueerd en gegenereerd op basis van een referentievideo.
17 Dat ondersteunt het bredere idee van scènes bouwen en simuleren, maar bevestigt niet onafhankelijk alle mogelijke invoerformaten of de volledige werkwijze van Topos Pro.
Een 3D-reconstructie kan er realistisch uitzien zonder precies weer te geven hoe voorwerpen bewegen of met elkaar botsen. Bij Kosmo moeten fysieke eigenschappen en andere gegevens volgens de berichtgeving nog worden aangevuld of ingesteld: scannen alleen levert niet vanzelf een volledig gespecificeerde simulatie op. 26
Voor robottraining is dat een essentiële stap. Voorwerpen moeten zo zijn weergegeven dat een robot er betekenisvol mee kan omgaan. Ook moet de omgeving geloofwaardig reageren wanneer de robot iets duwt, vastpakt of verplaatst. De beschikbare bronnen bevestigen niet precies hoe InSpatio objecteigenschappen toekent, verborgen oppervlakken reconstrueert of contactfysica afstelt. De aangekondigde productieambitie bewijst op zichzelf niet dat al die onderdelen zijn opgelost.
De bronnen melden dat InSpatio in Hangzhou een centrum voor dataverzameling op basis van simulatie heeft geopend en mikt op één miljoen uur trainingsdata per maand. Ze beschrijven ook een bredere keten waarin ruimtelijke vastlegging, 3D-reconstructie en simulatie samenkomen. 4
25
Niet aangetoond is dat het centrum dit volume al haalt, dat de data het volledige scala aan robottaken afdekken of dat robots die ermee zijn getraind goed presteren in de fysieke wereld. De belofte is helder: door 3D-omgevingen herbruikbaar te maken, wil InSpatio veel meer verschillende trainingsscenario’s creëren. Of die aanpak de aangekondigde schaal én betrouwbare resultaten met echte robots oplevert, moet nog blijken.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
InSpatio opende op 29 oktober 2026 in Hangzhou een centrum voor robotdata op basis van simulatie en mikt op één miljoen uur trainingsdata per maand.
InSpatio opende op 29 oktober 2026 in Hangzhou een centrum voor robotdata op basis van simulatie en mikt op één miljoen uur trainingsdata per maand. De aanpak draait om 3D omgevingen die opnieuw te gebruiken en aan te passen zijn, zodat robots in meer verschillende situaties kunnen trainen.
De aangekondigde productievolumes en de prestaties van robots die met de data worden getraind, zijn nog niet onafhankelijk aangetoond.
InSpatio opende op 29 oktober 2026 in Hangzhou een centrum voor robotdata op basis van simulatie en mikt op één miljoen uur trainingsdata per maand. De aanpak draait om 3D omgevingen die opnieuw te gebruiken en aan te passen zijn, zodat robots in meer verschillende situaties kunnen trainen.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met 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
Robottraining vraagt veel voorbeelden: een robot moet leren omgaan met uiteenlopende objecten, opstellingen en omstandigheden. InSpatio wil dat niet alleen oplossen door meer fysieke trainingsruimtes op te tuigen. Het bedrijf zet in op bewerkbare 3D-omgevingen die in simulaties opnieuw gebruikt en aangepast kunnen worden.
Op 29 oktober 2026 opende InSpatio in Hangzhou een centrum voor dataverzameling rond embodied AI — AI-systemen die de fysieke wereld waarnemen en daarin handelen. Het bedrijf zegt toe te werken naar één miljoen uur trainingsdata per maand. Dat is een doelstelling, geen onafhankelijk bevestigde productieprestatie. 4
25
Data verzamelen met echte robots kan betekenen dat een fysieke omgeving telkens opnieuw moet worden ingericht of teruggezet. De aanpak die over InSpatio is beschreven, combineert gereconstrueerde of gegenereerde 3D-scènes met simulatie. Binnen zulke scènes kunnen de omgeving en de omstandigheden worden aangepast, zodat trainingsdata niet alleen in hoeveelheid, maar ook in variatie kunnen toenemen. 25
Dat verschil is belangrijk. Veel voorbeelden uit één vaste opstelling leveren niet automatisch ervaring op met allerlei andere ruimtelijke situaties. Bewerkbare scènes kunnen het makkelijker maken om bijvoorbeeld objecten anders neer te zetten. De beschikbare berichtgeving maakt echter niet duidelijk hoeveel tijd of kosten deze werkwijze bespaart ten opzichte van trainen in fysieke ruimtes.
Ook de genoemde productiecijfers verdienen nuance. Naast het maanddoel wordt gesproken over ongeveer 100.000 uur per dag. Als dat tempo een hele maand aanhoudt, komt dat neer op circa drie miljoen uur in 30 dagen, niet één miljoen. De berichtgeving verduidelijkt niet of het dagcijfer een piek, een afzonderlijk doel of een andere manier van tellen is. 25
Een van de beschreven routes begint met het vastleggen van bestaande ruimtes. Hesai kondigde in oktober 2026 zijn Kosmo 3D world data engine aan. 23 Volgens berichtgeving over het systeem kan een binnenruimte van 100 vierkante meter in ongeveer 15 minuten worden gescand. De uitvoer omvat onder meer 3D Gaussian splats, meshes en dieptegegevens. Dit zijn gemelde mogelijkheden; de bronnen bevatten geen onafhankelijke beoordeling van de nauwkeurigheid van de reconstructie.
25
26
InSpatio beschrijft zijn Topos-simulator als een systeem voor het genereren van 3D-scènes, het reconstrueren van echte omgevingen en simulatie voor embodied AI. 14 Ook het onderzoek naar InSpatio-World beschrijft hoe dynamische, interactieve scènes kunnen worden gereconstrueerd en gegenereerd op basis van een referentievideo.
17 Dat ondersteunt het bredere idee van scènes bouwen en simuleren, maar bevestigt niet onafhankelijk alle mogelijke invoerformaten of de volledige werkwijze van Topos Pro.
Een 3D-reconstructie kan er realistisch uitzien zonder precies weer te geven hoe voorwerpen bewegen of met elkaar botsen. Bij Kosmo moeten fysieke eigenschappen en andere gegevens volgens de berichtgeving nog worden aangevuld of ingesteld: scannen alleen levert niet vanzelf een volledig gespecificeerde simulatie op. 26
Voor robottraining is dat een essentiële stap. Voorwerpen moeten zo zijn weergegeven dat een robot er betekenisvol mee kan omgaan. Ook moet de omgeving geloofwaardig reageren wanneer de robot iets duwt, vastpakt of verplaatst. De beschikbare bronnen bevestigen niet precies hoe InSpatio objecteigenschappen toekent, verborgen oppervlakken reconstrueert of contactfysica afstelt. De aangekondigde productieambitie bewijst op zichzelf niet dat al die onderdelen zijn opgelost.
De bronnen melden dat InSpatio in Hangzhou een centrum voor dataverzameling op basis van simulatie heeft geopend en mikt op één miljoen uur trainingsdata per maand. Ze beschrijven ook een bredere keten waarin ruimtelijke vastlegging, 3D-reconstructie en simulatie samenkomen. 4
25
Niet aangetoond is dat het centrum dit volume al haalt, dat de data het volledige scala aan robottaken afdekken of dat robots die ermee zijn getraind goed presteren in de fysieke wereld. De belofte is helder: door 3D-omgevingen herbruikbaar te maken, wil InSpatio veel meer verschillende trainingsscenario’s creëren. Of die aanpak de aangekondigde schaal én betrouwbare resultaten met echte robots oplevert, moet nog blijken.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
InSpatio opende op 29 oktober 2026 in Hangzhou een centrum voor robotdata op basis van simulatie en mikt op één miljoen uur trainingsdata per maand.
InSpatio opende op 29 oktober 2026 in Hangzhou een centrum voor robotdata op basis van simulatie en mikt op één miljoen uur trainingsdata per maand. De aanpak draait om 3D omgevingen die opnieuw te gebruiken en aan te passen zijn, zodat robots in meer verschillende situaties kunnen trainen.
De aangekondigde productievolumes en de prestaties van robots die met de data worden getraind, zijn nog niet onafhankelijk aangetoond.