AnswersPublished16 sources
InSpatio chce zwiększyć skalę treningu robotów dzięki edytowalnym światom 3D
Centrum InSpatio w Hangzhou ma docelowo wytwarzać milion godzin danych treningowych dla robotów miesięcznie, wykorzystując edytowalne i wielokrotnego użytku środowiska 3D. System ma łączyć rekonstrukcję rzeczywistych przestrzeni z symulacją, by urozmaicać układy i zadania bez każdorazowego przebudowywania fizycznego...
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Centrum InSpatio w Hangzhou ma docelowo wytwarzać milion godzin danych treningowych dla robotów miesięcznie, wykorzystując edytowalne i wielokrotnego użytku środowiska 3D.
- System ma łączyć rekonstrukcję rzeczywistych przestrzeni z symulacją, by urozmaicać układy i zadania bez każdorazowego przebudowywania fizycznego stanowiska.
- Podawane tempo — milion godzin miesięcznie lub około 100 tys. dziennie — nie składa się w spójną miesięczną wartość, a dostępne źródła nie wyjaśniają tej rozbieżności.
- Źródła opisują ogólny kierunek projektu, ale nie dowodzą, że centrum osiągnęło już deklarowaną skalę ani że trenowane tam umiejętności sprawdzają się na rzeczywistych robotach.
AI Prompt
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
W przypadku treningu robotów liczy się nie tylko liczba zebranych godzin, lecz także różnorodność sytuacji, z którymi maszyna ma sobie poradzić. InSpatio chce zwiększyć ją, tworząc środowiska 3D, które można edytować i wykorzystywać ponownie, zamiast za każdym razem budować od nowa fizyczne stanowisko. Firma otworzyła swoje centrum danych dla AI ucieleśnionej w Hangzhou 29 października 2026 r. i zadeklarowała cel na poziomie miliona godzin danych miesięcznie. To zapowiedź, a nie niezależnie potwierdzona wydajność. 4
25
Więcej wariantów, nie tylko więcej godzin
Zbieranie danych w rzeczywistym otoczeniu może wymagać wielokrotnego przygotowywania i resetowania stanowisk. Opisywane podejście InSpatio polega na łączeniu odtworzonych lub wygenerowanych scen 3D z symulacją, a następnie zmienianiu w nich układu przestrzeni i warunków zadania. Firma przedstawia ten system jako edytowalny, wielokrotnego użytku i skalowalny. Celem ma być nie tylko zwiększenie ilości danych, ale też ich różnorodności. 25
To istotne rozróżnienie: wiele demonstracji zarejestrowanych w niezmiennym otoczeniu może zwiększyć liczbę godzin, nie zapewniając robotowi kontaktu z wieloma różnymi sytuacjami. Edytowalne sceny mogłyby ułatwić zmianę położenia obiektów czy warunków zadania. Dostępne materiały nie podają jednak, ile czasu ani kosztów takie podejście oszczędza w porównaniu z treningiem prowadzonym wyłącznie w fizycznej przestrzeni.
Warto też oddzielić deklarowane wskaźniki. W relacjach pojawia się cel miliona godzin miesięcznie oraz tempo około 100 tys. godzin dziennie. Gdyby to drugie utrzymywało się przez cały miesiąc, oznaczałoby około 3 mln godzin w 30 dni, a nie milion. Źródła nie wyjaśniają, czy wartość dzienna oznacza szczytową wydajność, osobny cel czy inny sposób liczenia. 25
Od skanu pomieszczenia do symulowanej sceny
Jednym ze sposobów tworzenia środowisk jest skanowanie rzeczywistych przestrzeni. Firma Hesai ogłosiła silnik danych przestrzennych Kosmo w październiku 2026 r. 23 Według relacji system ma skanować około 100 m² wnętrza w mniej więcej 15 minut, a następnie generować m.in. reprezentacje 3D Gaussian Splatting, siatki 3D (mesh) i dane głębi. Są to opisywane możliwości, a nie niezależnie zweryfikowane pomiary jakości rekonstrukcji.
25
26
Drugim elementem jest symulator Topos, który według InSpatio służy do generowania scen 3D, rekonstrukcji rzeczywistych przestrzeni i symulacji dla robotów. 14 Z kolei publikacja badawcza InSpatio-World opisuje odtwarzanie i generowanie dynamicznych, interaktywnych scen na podstawie filmu referencyjnego.
17 Materiały te potwierdzają szerszy kierunek prac nad budowaniem scen, ale nie potwierdzają niezależnie wszystkich formatów wejściowych ani pełnego przebiegu pracy w Topos Pro opisywanego w niektórych relacjach.
Realistyczny obraz to jeszcze nie działająca fizyka
Scena może wyglądać przekonująco, a mimo to nie odwzorowywać poprawnie ruchu obiektów ani ich zderzeń. W relacjach o Kosmo zaznaczono, że właściwości fizyczne i inne dane nadal trzeba uzupełniać lub konfigurować — samo skanowanie nie tworzy automatycznie kompletnej symulacji. 26
Dla treningu robota ma to zasadnicze znaczenie. Obiekty muszą być opisane tak, by można było wchodzić z nimi w sensowną interakcję, a otoczenie powinno wiarygodnie reagować na chwytanie, przesuwanie czy popychanie. Dostępne źródła nie potwierdzają szczegółowo, jak InSpatio przypisuje obiektom właściwości, odtwarza niewidoczne fragmenty sceny ani kalibruje fizykę kontaktu. Nie należy więc uznawać tych możliwości za dowiedzione na podstawie samej deklaracji o skali produkcji.
Co zapowiedź potwierdza, a czego jeszcze nie
Źródła potwierdzają otwarcie w Hangzhou centrum danych InSpatio opartego na symulacji oraz ogłoszenie ambicji produkowania miliona godzin danych miesięcznie. Opisują też szerszy łańcuch pracy, który łączy skanowanie przestrzeni, rekonstrukcję 3D i symulację. 4
25
Nie dowodzą natomiast, że centrum osiągnęło już tę wydajność, że generowane dane obejmują pełne spektrum zadań robotycznych ani że roboty trenowane w tych warunkach dobrze radzą sobie w świecie fizycznym. Kluczowa obietnica jest czytelna: tworzyć więcej zróżnicowanych scenariuszy dzięki środowiskom 3D, które można wielokrotnie wykorzystywać. Czy uda się osiągnąć zapowiadaną skalę i przełożyć ją na wyniki rzeczywistych robotów — dopiero trzeba będzie wykazać.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "InSpatio chce zwiększyć skalę treningu robotów dzięki edytowalnym światom 3D"?
Centrum InSpatio w Hangzhou ma docelowo wytwarzać milion godzin danych treningowych dla robotów miesięcznie, wykorzystując edytowalne i wielokrotnego użytku środowiska 3D.
What are the key points to validate first?
Centrum InSpatio w Hangzhou ma docelowo wytwarzać milion godzin danych treningowych dla robotów miesięcznie, wykorzystując edytowalne i wielokrotnego użytku środowiska 3D. System ma łączyć rekonstrukcję rzeczywistych przestrzeni z symulacją, by urozmaicać układy i zadania bez każdorazowego przebudowywania fizycznego stanowiska.
What should I do next in practice?
Podawane tempo — milion godzin miesięcznie lub około 100 tys. dziennie — nie składa się w spójną miesięczną wartość, a dostępne źródła nie wyjaśniają tej rozbieżności.