AnswersPublished16 sources
InSpatio, robot eğitimi için simülasyondan yararlanarak veri üretimini ölçeklendirmeyi amaçlıyor
InSpatio, Hangzhou’daki merkezinde düzenlenebilir ve tekrar kullanılabilir 3B ortamlarla ayda bir milyon saat robot eğitim verisi üretmeyi hedefliyor. Hesai’nin Kosmo sistemi gerçek mekânları 3B verilere dönüştürürken, InSpatio’nun Topos simülatörü sahne oluşturma, gerçek dünyayı yeniden kurma ve simülasyon için tas...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- InSpatio, Hangzhou’daki merkezinde düzenlenebilir ve tekrar kullanılabilir 3B ortamlarla ayda bir milyon saat robot eğitim verisi üretmeyi hedefliyor.
- Hesai’nin Kosmo sistemi gerçek mekânları 3B verilere dönüştürürken, InSpatio’nun Topos simülatörü sahne oluşturma, gerçek dünyayı yeniden kurma ve simülasyon için tasarlanmış.
- Duyurulan üretim hedefleri, merkezin bu hacme ulaştığını ya da simülasyonda eğitilen robotların gerçek dünyada başarılı olduğunu tek başına göstermiyor.
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
InSpatio’nun yaklaşımı, her yeni düzen için fiziksel bir eğitim alanını baştan kurmak yerine 3B ortamları düzenlenebilir ve yeniden kullanılabilir hâle getirmek. Şirket, simülasyon odaklı somut yapay zekâ veri merkezini 29 Ekim 2026’da Hangzhou’da açtı ve ayda bir milyon saat eğitim verisi üretmeyi hedeflediğini duyurdu. Bu rakam açıklanan bir hedef; bağımsız olarak doğrulanmış üretim kapasitesi değil. 4
25
Hedef yalnızca daha çok veri değil, daha fazla çeşitlilik
Robotlara fiziksel ortamlarda veri toplatmak, düzenekleri tekrar tekrar kurmayı ve sıfırlamayı gerektirebilir. InSpatio’nun bildirdiği alternatif; yeniden oluşturulmuş ya da üretilmiş 3B sahneleri simülasyonla birleştirip ortamları ve görevleri çeşitlendirmek. Şirketin yaklaşımı, sahnelerin düzenlenip tekrar kullanılabildiği ve ölçeklenebildiği bir sistem kurarak farklı mekânsal düzenlerden de veri üretmek. 25
Bu ayrım önemli: Sabit bir düzende çok sayıda gösterim toplamak, veri hacmini artırsa da robotun karşılaştığı durumların çeşitliliğini aynı ölçüde artırmayabilir. Düzenlenebilir sahneler nesnelerin yerini ve görev koşullarını değiştirmeyi kolaylaştırabilir. Ancak mevcut haberler, bunun fiziksel veri toplamaya kıyasla ne kadar zaman ya da maliyet tasarrufu sağladığını ölçmüyor.
Üretim hedeflerinin nasıl yorumlanacağı konusunda da bir belirsizlik var. Haberlerde ayda bir milyon saat hedefinden ve günde yaklaşık 100 bin saatlik üretim hızından söz ediliyor. Bunlar sürekli sürdürülen oranlar olsaydı birbirine denk düşmezdi: Günde 100 bin saat, 30 günde yaklaşık üç milyon saate ulaşırdı. Günlük rakamın zirve kapasiteyi mi, ayrı bir hedefi mi yoksa farklı bir hesaplama yöntemini mi ifade ettiği açıklanmış değil. 25
Gerçek mekânlardan simülasyon sahnelerine
Sahne oluşturmanın yollarından biri, gerçek mekânları taramak. Hesai, Kosmo 3D dünya veri motorunu Ekim 2026’da tanıttı. 23 Sistemle ilgili haberlerde, 100 metrekarelik kapalı bir alanın yaklaşık 15 dakikada taranabildiği; çıktıların 3B Gaussian splatting (3DGS), ağ modeli (mesh) ve derinlik verisini içerdiği aktarılıyor. Bunlar bildirilen yetenekler; yeniden oluşturma kalitesine ilişkin bağımsız ölçümler değil.
25
26
InSpatio’nun Topos simülatörü ise 3B sahne üretimi, gerçek dünyanın yeniden oluşturulması ve somut yapay zekâ simülasyonu için geliştirilmiş olarak tanımlanıyor. 14 Şirketin InSpatio-World araştırması da referans videolardan dinamik ve etkileşimli sahneler oluşturma yaklaşımını anlatıyor.
17 Bu kaynaklar genel sahne oluşturma fikrini destekliyor; ancak Topos Pro’nun bazı haberlerde anlatılan tüm iş akışlarını ve giriş formatlarını bağımsız olarak doğrulamıyor.
Tarama, tek başına robot eğitimine hazır bir dünya yaratmıyor
Bir sahnenin gerçekçi görünmesi, nesnelerin nasıl hareket ettiğini ya da çarpıştığını doğru biçimde temsil ettiği anlamına gelmez. Kosmo hakkındaki haberlerde, fiziksel özelliklerin ve ek verilerin hâlâ tamamlanması ya da yapılandırılması gerektiği belirtiliyor. Yani tarama, eksiksiz tanımlanmış bir simülasyon ortamını kendiliğinden ortaya çıkarmıyor. 26
Robot eğitimi açısından bu adım kritik. Nesnelerin anlamlı etkileşimlere izin verecek biçimde tanımlanması; ortamın robot nesneleri ittiğinde, kavradığında ya da hareket ettirdiğinde makul tepki vermesi gerekiyor. Mevcut kaynaklar, InSpatio’nun nesne özelliklerini nasıl atadığını, görünmeyen yüzeyleri nasıl yeniden oluşturduğunu veya temas fiziğini nasıl kalibre ettiğini ayrıntılarıyla doğrulamıyor. Üretim hedefi de bu yeteneklerin kanıtı olarak görülmemeli.
Görev zorlaştıkça simülasyonun çıtası yükseliyor
Robot eğitimi, engellerin çevresinden dolaşmaktan nesneleri hassas biçimde kavramaya; temas gerektiren işlerden eklemli mekanizmaları kontrol etmeye kadar uzanıyor. Görevler daha fazla fiziksel etkileşim gerektirdikçe sahnenin görsel olarak inandırıcı olması yetmiyor: Geometri ve simüle edilen fiziksel davranış da eğitim örneğinin işe yarayıp yaramadığını belirliyor.
Simülasyon, fiziksel bir düzeneği her seferinde sıfırlamadan senaryoları yineleme ve çeşitlendirme olanağı sunabilir. Öte yandan hatalı fizik, robotları yanıltabilecek eğitim verileri üretebilir. Mevcut haberler, InSpatio için resmî bir L1–L3 veri teslim sistemini, gerçek robotlarda yapılan kabul testlerini ya da ölçülmüş aktarım sonuçlarını doğrulamıyor. Simülasyonda öğrenilen becerilerin fiziksel görevlere aktarılıp aktarılmadığını görmek için gerçek robotlarla denemeler hâlâ önemli.
Duyuru neyi gösteriyor, neyi göstermiyor?
Kaynaklar, InSpatio’nun Hangzhou’da simülasyon odaklı bir veri merkezi açtığını ve ayda bir milyon saatlik üretim hedefi açıkladığını ortaya koyuyor. Ayrıca mekânsal veri toplama, 3B yeniden oluşturma ve simülasyonu bir araya getiren daha geniş bir iş akışını tarif ediyor. 4
25
Ancak merkezde bu hacme şimdiden ulaşıldığını, üretilen verilerin robot görevlerinin tamamını güvenilir biçimde kapsadığını ya da burada eğitilen politikaların fiziksel robotlarda iyi performans gösterdiğini kanıtlamıyor. Temel vaat, 3B ortamları yeniden kullanılabilir kılarak çok daha fazla ve çeşitli eğitim senaryosu üretmek. Bu yaklaşımın açıklanan ölçeğe ve gerçek dünyada başarılı sonuçlara ulaşıp ulaşmayacağı ise henüz gösterilmiş değil.
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, robot eğitimi için simülasyondan yararlanarak veri üretimini ölçeklendirmeyi amaçlıyor"?
InSpatio, Hangzhou’daki merkezinde düzenlenebilir ve tekrar kullanılabilir 3B ortamlarla ayda bir milyon saat robot eğitim verisi üretmeyi hedefliyor.
What are the key points to validate first?
InSpatio, Hangzhou’daki merkezinde düzenlenebilir ve tekrar kullanılabilir 3B ortamlarla ayda bir milyon saat robot eğitim verisi üretmeyi hedefliyor. Hesai’nin Kosmo sistemi gerçek mekânları 3B verilere dönüştürürken, InSpatio’nun Topos simülatörü sahne oluşturma, gerçek dünyayı yeniden kurma ve simülasyon için tasarlanmış.
What should I do next in practice?
Duyurulan üretim hedefleri, merkezin bu hacme ulaştığını ya da simülasyonda eğitilen robotların gerçek dünyada başarılı olduğunu tek başına göstermiyor.