RespostasPublicado16 fontes
Como a InSpatio quer treinar robôs em cenários virtuais reutilizáveis
A InSpatio diz que seu centro em Hangzhou pretende produzir um milhão de horas de dados para treinamento de robôs por mês. A estratégia combina reconstrução de espaços em 3D e simulação para variar ambientes e tarefas sem refazer cada cenário físico.
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- A InSpatio diz que seu centro em Hangzhou pretende produzir um milhão de horas de dados para treinamento de robôs por mês.
- A estratégia combina reconstrução de espaços em 3D e simulação para variar ambientes e tarefas sem refazer cada cenário físico.
- A meta de produção ainda não comprova que esse volume já foi atingido nem que os robôs treinados terão bom desempenho no mundo real.
Prompt de IA
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
A proposta da InSpatio é tornar os ambientes usados no treinamento de robôs editáveis e reutilizáveis. Assim, a empresa espera ampliar a variedade de dados sem precisar reconstruir um espaço físico a cada mudança de cenário. Em 29 de outubro de 2026, a companhia abriu em Hangzhou um centro de coleta de dados para IA incorporada baseado em simulação e anunciou a meta de produzir um milhão de horas de dados por mês. Esse volume é uma ambição, não uma capacidade de produção comprovada de forma independente. 4
25
A aposta: ampliar os cenários, não só as demonstrações
Coletar dados com robôs em espaços físicos pode exigir montagens e reinicializações repetidas. A alternativa descrita para a InSpatio combina cenas 3D reconstruídas ou geradas com simulação. Dentro delas, os ambientes e as tarefas podem ser modificados. A ideia é produzir não apenas mais dados, mas também dados de diferentes configurações espaciais. 25
Essa diferença importa: muitas demonstrações feitas em um único layout podem aumentar o volume sem representar uma grande variedade de situações. Cenas editáveis poderiam facilitar mudanças na posição dos objetos e nas condições das tarefas, mas as reportagens disponíveis não quantificam quanto tempo ou custo a abordagem economizaria em comparação com a coleta física.
Também é preciso olhar com atenção para os números anunciados. A cobertura menciona uma meta de um milhão de horas por mês — ou cerca de 100 mil horas por dia. Se mantido, o ritmo diário equivaleria a aproximadamente três milhões de horas em um mês de 30 dias. As reportagens não esclarecem se o número diário representa um pico, uma meta diferente ou outro critério de contabilização. 25
Dos espaços reais às cenas simuladas
Uma das formas de criar ambientes é escanear espaços existentes. O sistema Kosmo, da Hesai, combina hardware de captura espacial com processamento para transformar os dados coletados em representações 3D. A empresa anunciou o motor de dados 3D Kosmo em outubro de 2026. 23 Segundo reportagens sobre o sistema, um espaço interno de 100 metros quadrados pode ser escaneado em cerca de 15 minutos, com resultados que incluem Gaussian splats 3D, malhas e dados de profundidade. São capacidades relatadas, não medições independentes da qualidade da reconstrução.
25
26
O simulador Topos, da InSpatio, é descrito como uma ferramenta para gerar cenas 3D, reconstruir espaços reais e simular interações de robôs. 14 A pesquisa InSpatio-World também descreve a reconstrução e a geração de cenas dinâmicas e interativas a partir de um vídeo de referência.
17 Essas fontes dão respaldo à abordagem geral de criação de cenas, mas não confirmam de forma independente todos os formatos de entrada ou o fluxo completo do Topos Pro mencionado em alguns relatos.
Um escaneamento não basta para criar um mundo pronto para robôs
Uma cena reconstruída pode parecer convincente sem representar com precisão como os objetos se movem ou colidem. Reportagens sobre o Kosmo observam que propriedades físicas e outros dados ainda precisam ser completados ou configurados: o escaneamento, por si só, não produz automaticamente uma simulação totalmente especificada. 26
Para treinar robôs, essa etapa é essencial. Os objetos precisam ser representados de modo que permitam interações relevantes, e o ambiente deve reagir de maneira plausível quando um robô empurra, agarra ou move alguma coisa. As fontes disponíveis não verificam os procedimentos exatos da InSpatio para atribuir propriedades aos objetos, reconstruir superfícies ocultas ou calibrar a física dos contatos. A meta de produção, sozinha, não comprova essas capacidades.
Quanto mais complexa a tarefa, maior o desafio
O treinamento de robôs pode envolver desde desviar de obstáculos até manipular objetos ou lidar com contato e mecanismos articulados. Nas tarefas mais complexas, a aparência visual da cena não é suficiente: tanto a geometria quanto o comportamento físico simulado influenciam a utilidade dos exemplos de treinamento.
A simulação pode permitir repetir e variar situações sem remontar um espaço físico a cada tentativa. Mas uma física imprecisa também pode gerar dados enganosos. As informações disponíveis não confirmam um sistema formal de entrega da InSpatio dividido em níveis L1 a L3, testes de aceitação em robôs reais ou resultados medidos de transferência das habilidades simuladas para o mundo físico. Testes com robôs reais continuam importantes para avaliar essa transferência.
O que o anúncio confirma — e o que ainda não
As fontes confirmam que a InSpatio abriu em Hangzhou um centro de coleta de dados baseado em simulação e anunciou a ambição de produzir um milhão de horas por mês. Também descrevem uma abordagem que conecta captura espacial, reconstrução 3D e simulação. 4
25
Elas não demonstram que o centro já atingiu esse volume, que os dados cobrem de forma confiável toda a variedade de tarefas robóticas ou que os sistemas treinados ali tenham bom desempenho em robôs físicos. A promessa central é ampliar a variedade de cenários ao tornar ambientes 3D reutilizáveis. Se a abordagem alcançará a escala anunciada e resultados no mundo real, ainda precisa ser demonstrado.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Como a InSpatio quer treinar robôs em cenários virtuais reutilizáveis"?
A InSpatio diz que seu centro em Hangzhou pretende produzir um milhão de horas de dados para treinamento de robôs por mês.
Quais são os pontos-chave para validar primeiro?
A InSpatio diz que seu centro em Hangzhou pretende produzir um milhão de horas de dados para treinamento de robôs por mês. A estratégia combina reconstrução de espaços em 3D e simulação para variar ambientes e tarefas sem refazer cada cenário físico.
O que devo fazer a seguir na prática?
A meta de produção ainda não comprova que esse volume já foi atingido nem que os robôs treinados terão bom desempenho no mundo real.