AnswersPublished16 sources
InSpatios plan: träna robotar i återanvändbara 3D-världar
InSpatio öppnade den 29 oktober ett simuleringsbaserat datacenter för embodied AI i Hangzhou och uppger att målet är en miljon timmars robotdata i månaden. Tanken är att göra 3D miljöer redigerbara och återanvändbara, så att robotar kan tränas i fler rumsliga variationer utan att varje upplägg måste byggas om fysiskt.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- InSpatio öppnade den 29 oktober ett simuleringsbaserat datacenter för embodied AI i Hangzhou och uppger att målet är en miljon timmars robotdata i månaden.
- Tanken är att göra 3D miljöer redigerbara och återanvändbara, så att robotar kan tränas i fler rumsliga variationer utan att varje upplägg måste byggas om fysiskt.
- Enligt rapporteringen kan Hesais Kosmo skanna ett rum på 100 kvadratmeter på omkring 15 minuter, men skanning löser inte automatiskt simuleringens fysik eller visar att tränade färdigheter fungerar på riktiga robotar.
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
InSpatios idé är att skala upp robotträning genom att återanvända och variera virtuella miljöer – i stället för att bygga om en fysisk träningsmiljö för varje nytt upplägg. Företaget öppnade sitt simuleringsbaserade center för embodied AI i Hangzhou den 29 oktober 2026. Målet är att producera en miljon timmars träningsdata i månaden, men det är en ambition, inte en oberoende bekräftad produktionsnivå. 4
25
Fler miljöer – inte bara fler demonstrationer
Att samla robotdata i den fysiska världen kan kräva upprepade förberedelser och omställningar. InSpatios rapporterade alternativ är att kombinera rekonstruerade eller genererade 3D-scener med simulering och variera miljöer och uppgifter digitalt. Företaget beskriver ett system för miljöer som går att redigera, återanvända och skala upp. Tanken är att samla in data från fler slags rumsliga upplägg, inte bara öka mängden. 25
Det är en viktig skillnad. Många demonstrationer i samma miljö kan ge mer data utan att roboten får öva på särskilt många nya situationer. Redigerbara scener kan göra det enklare att ändra var föremål står och vilka villkor en uppgift har. Men den tillgängliga rapporteringen anger inte hur mycket tid eller pengar metoden sparar jämfört med fysisk datainsamling.
Även de rapporterade produktionstalen behöver sättas i relation till varandra. Målet på en miljon timmar i månaden motsvarar inte 100 000 timmar per dag om båda siffrorna skulle gälla kontinuerligt: 100 000 timmar dagligen blir omkring tre miljoner timmar på 30 dagar. Rapporterna förklarar inte om dagsiffran avser en toppnivå, ett separat mål eller ett annat sätt att räkna. 25
Från verkliga rum till simulerade scener
En möjlig väg in i systemet är att skanna verkliga miljöer. Hesai lanserade sitt Kosmo-system för 3D-världsdata i oktober 2026. 23 Enligt rapportering kan systemet skanna ett vanligt inomhusutrymme på 100 kvadratmeter på ungefär 15 minuter och skapa utdata som 3D Gaussian splats, nätmodeller och djupdata. Det är rapporterade egenskaper, inte oberoende mätningar av hur exakt rekonstruktionen blir.
25
26
InSpatios simulator Topos beskrivs som ett verktyg för att generera 3D-scener, återskapa verkliga miljöer och simulera robotars interaktion med dem. 14 Företagets forskning om InSpatio-World beskriver också hur dynamiska, interaktiva scener kan rekonstrueras och genereras från en referensvideo.
17 Källorna stöder alltså den övergripande idén att bygga scener för simulering, men bekräftar inte varje format eller hela arbetsflödet i Topos Pro som förekommer i vissa beskrivningar.
En skannad miljö är inte automatiskt redo för robotträning
En 3D-scen kan se övertygande ut utan att korrekt beskriva hur föremål rör sig eller kolliderar. Rapporteringen om Kosmo påpekar att fysiska egenskaper och annan information fortfarande kan behöva kompletteras eller ställas in. En skanning skapar alltså inte automatiskt en fullständig simulering. 26
För robotträning är det avgörande. Föremål måste gå att interagera med på ett meningsfullt sätt, och miljön behöver bete sig rimligt när roboten exempelvis skjuter, greppar eller flyttar dem. De tillgängliga källorna bekräftar inte exakt hur InSpatio tilldelar egenskaper till föremål, återskapar dolda ytor eller kalibrerar kontaktfysik. Produktionsmålet i sig räcker inte för att slå fast att de momenten är lösta.
Svårare uppgifter ställer högre krav
Robotträning kan handla om allt från att ta sig runt hinder till att greppa föremål och hantera kontakt eller rörliga mekanismer. Ju mer en uppgift bygger på fysisk interaktion, desto mindre räcker det att scenen bara ser rätt ut. Både geometrin och simuleringens fysik påverkar om träningsdata blir användbara.
Simulering kan göra det möjligt att upprepa och variera scenarier utan att bygga om en fysisk uppställning inför varje försök. Men om fysiken är fel kan simulerade data också lära roboten fel saker. Den tillgängliga rapporteringen bekräftar inte något formellt leveranssystem med nivåerna L1–L3, tester på fysiska robotar eller uppmätta resultat av överföring från simulering till verklighet. Sådana tester behövs för att avgöra om färdigheterna fungerar utanför den virtuella miljön.
Vad som är känt – och vad som återstår att visa
Källorna visar att InSpatio har öppnat ett simuleringsbaserat datacenter i Hangzhou och satt upp en ambition om en miljon timmars data i månaden. De beskriver också en bredare kedja där rumslig datainsamling, 3D-rekonstruktion och simulering kopplas samman. 4
25
Däremot visar de inte att centret redan producerar den mängden, att data täcker hela bredden av robotuppgifter eller att robotar som tränats där presterar väl i verkligheten. Huvudlöftet är tydligt: återanvändbara 3D-miljöer ska göra det möjligt att skapa många fler varierade träningssituationer. Om metoden når den utlovade skalan och ger resultat på riktiga robotar återstår att visa.
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 "InSpatios plan: träna robotar i återanvändbara 3D-världar"?
InSpatio öppnade den 29 oktober ett simuleringsbaserat datacenter för embodied AI i Hangzhou och uppger att målet är en miljon timmars robotdata i månaden.
What are the key points to validate first?
InSpatio öppnade den 29 oktober ett simuleringsbaserat datacenter för embodied AI i Hangzhou och uppger att målet är en miljon timmars robotdata i månaden. Tanken är att göra 3D miljöer redigerbara och återanvändbara, så att robotar kan tränas i fler rumsliga variationer utan att varje upplägg måste byggas om fysiskt.
What should I do next in practice?
Enligt rapporteringen kan Hesais Kosmo skanna ett rum på 100 kvadratmeter på omkring 15 minuter, men skanning löser inte automatiskt simuleringens fysik eller visar att tränade färdigheter fungerar på riktiga robotar.