AnswersPublished16 sources
Як InSpatio хоче масштабувати навчання роботів за допомогою симуляції
InSpatio відкрила в Ханчжоу центр збору даних для втіленого ШІ та заявила про ціль виробляти до мільйона годин даних для навчання роботів на місяць. Підхід компанії спирається на 3D сцени, які можна редагувати й використовувати повторно, змінюючи розташування предметів і умови завдань.
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- InSpatio відкрила в Ханчжоу центр збору даних для втіленого ШІ та заявила про ціль виробляти до мільйона годин даних для навчання роботів на місяць.
- Підхід компанії спирається на 3D сцени, які можна редагувати й використовувати повторно, змінюючи розташування предметів і умови завдань.
- Оголошений обсяг виробництва ще не підтверджений на практиці, а якість симуляції та перенесення навичок на реальних роботів потребують окремої перевірки.
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 робить ставку на те, щоб створювати середовища для навчання роботів, які можна редагувати й використовувати повторно. Так компанія сподівається збільшити різноманітність даних, не облаштовуючи фізичний тренувальний майданчик заново для кожної нової конфігурації. 29 жовтня 2026 року InSpatio відкрила в Ханчжоу центр збору даних для втіленого ШІ — систем, здатних сприймати фізичне середовище й взаємодіяти з ним. Компанія заявила, що прагне виробляти мільйон годин навчальних даних на місяць. Це заявлена амбіція, а не незалежно підтверджений обсяг виробництва. 4
25
Ставка на середовища, а не лише на демонстрації
Збір даних для роботів у реальних приміщеннях часто вимагає багаторазово готувати простір і відновлювати початкові умови. Замість цього InSpatio, за повідомленнями, поєднує реконструйовані або згенеровані 3D-сцени із симуляцією, а потім змінює віртуальне середовище та завдання. Система має давати змогу редагувати сцени, використовувати їх повторно й масштабувати збір даних — щоб отримувати не просто більше прикладів, а й більше варіантів просторового розташування. 25
Різниця суттєва: велика кількість демонстрацій в одному незмінному приміщенні може збільшити обсяг даних, але не обов’язково навчити робота діяти в різних ситуаціях. Редаговані сцени потенційно спрощують зміну розташування предметів і умов завдання. Водночас доступні матеріали не показують, скільки часу чи коштів такий підхід заощаджує порівняно зі збором даних у фізичному середовищі.
Заявлені темпи виробництва також потребують пояснення. У публікаціях ідеться про ціль у мільйон годин на місяць і приблизно 100 тисяч годин на день. Якщо підтримувати добовий темп увесь час, за 30 днів вийде близько трьох мільйонів годин, а не один мільйон. Джерела не пояснюють, чи добова цифра означає пікову потужність, окрему ціль або інший спосіб підрахунку. 25
Від реальних приміщень до віртуальних сцен
Один зі способів створювати сцени — сканувати фізичні простори. Система Kosmo від Hesai поєднує обладнання для просторового захоплення з програмною обробкою, яка перетворює зібрані дані на 3D-матеріали. Hesai оголосила про запуск Kosmo — рушія для роботи з даними тривимірного світу — у жовтні 2026 року. 23 За повідомленнями, приміщення площею 100 квадратних метрів можна відсканувати приблизно за 15 хвилин, а результат може містити 3D Gaussian Splatting (3DGS), сітки та дані про глибину. Це заявлені можливості, а не незалежно перевірені показники якості реконструкції.
25
26
Симулятор Topos від InSpatio, за описом компанії, підтримує генерацію 3D-сцен, реконструкцію реальних просторів і симуляцію втіленого ШІ. 14 У дослідженні InSpatio-World також описано відновлення та створення динамічних інтерактивних сцен на основі референсного відео.
17 Ці джерела підтверджують загальний напрям роботи зі створення сцен, але не перевіряють незалежно кожен формат вхідних даних чи повний процес роботи Topos Pro, описаний в окремих публікаціях.
Від скану до середовища, придатного для робота
Реконструйована сцена може виглядати переконливо, але це ще не означає, що вона точно відтворює рух предметів або зіткнення. У матеріалах про Kosmo зазначається, що фізичні властивості та інші дані потрібно доповнювати чи налаштовувати: саме сканування автоматично не створює повністю описану симуляцію. 26
Для навчання роботів це критично. Предмети мають бути представлені так, щоб із ними можна було осмислено взаємодіяти, а середовище — правдоподібно реагувати, коли робот штовхає, хапає чи переміщує їх. Доступні джерела не підтверджують точні процедури InSpatio для призначення властивостей об’єктам, відновлення прихованих поверхонь або калібрування фізики контакту. Заявлену виробничу ціль не варто сприймати як доказ того, що ці можливості вже підтверджені.
Чому складніші завдання підвищують вимоги
Завдання для роботів бувають різними: від навігації між перешкодами до маніпуляцій із предметами та роботи з механізмами, що рухаються або мають шарніри. Що більше взаємодії потребує завдання, то менше самої візуальної схожості сцени: на користь навчального прикладу впливають і геометрія, і правдоподібність фізичної поведінки.
Симуляція дає змогу повторювати й змінювати сценарії, не перебудовуючи фізичний майданчик після кожного запуску. Але неточна фізика може створити оманливі навчальні дані. Наявні публікації не підтверджують формальну систему рівнів постачання InSpatio L1–L3, випробування на реальних роботах або виміряні результати перенесення навичок. Щоб з’ясувати, чи працюють симуляційні навички у фізичному світі, потрібні випробування на реальних роботах.
Що відомо про проєкт — і чого поки не доведено
Джерела підтверджують, що InSpatio відкрила в Ханчжоу центр збору даних, орієнтований на симуляцію, і оголосила про амбіцію виробляти мільйон годин даних на місяць. Також вони описують ширший процес, що поєднує просторове сканування, 3D-реконструкцію та симуляцію. 4
25
Водночас джерела не доводять, що центр уже досяг такого обсягу, що його дані охоплюють увесь спектр завдань для роботів або що навчені там моделі добре працюють на фізичних пристроях. Основна обіцянка зрозуміла: створювати значно більше різноманітних навчальних сценаріїв, повторно використовуючи 3D-середовища. Чи вдасться досягти заявленого масштабу й отримати результати в реальному світі, ще належить перевірити.
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 "Як InSpatio хоче масштабувати навчання роботів за допомогою симуляції"?
InSpatio відкрила в Ханчжоу центр збору даних для втіленого ШІ та заявила про ціль виробляти до мільйона годин даних для навчання роботів на місяць.
What are the key points to validate first?
InSpatio відкрила в Ханчжоу центр збору даних для втіленого ШІ та заявила про ціль виробляти до мільйона годин даних для навчання роботів на місяць. Підхід компанії спирається на 3D сцени, які можна редагувати й використовувати повторно, змінюючи розташування предметів і умови завдань.
What should I do next in practice?
Оголошений обсяг виробництва ще не підтверджений на практиці, а якість симуляції та перенесення навичок на реальних роботів потребують окремої перевірки.