Kosmo 是禾賽將真實環境轉成可重複使用 3D 數位空間的相機與雲端平台組合。這家以雷射雷達聞名的公司於 2026 年 10 月 14 日發布 Kosmo，表示平台可用於機器人訓練、世界模型開發及沉浸式內容製作。23 核心概念是先掃描實體空間，再把資料重建成不同形式的 3D 資產。

Kosmo One 如何掃描空間

Kosmo One 結合高解析度雷射雷達、採用一英吋感光元件的 8K 影像系統，以及高精度慣性測量單元（IMU）。禾賽表示，設備能以微秒級同步採集空間幾何、色彩、紋理及設備姿態資料。32

影像與空間資料會透過 3D 高斯潑濺（3D Gaussian Splatting，3DGS）及影像處理技術重建。禾賽宣稱，系統可達毫米級幾何精度，並能高保真呈現材質、色彩、紋理與光影。32 這些是廠商公布的規格；目前提供的資料沒有獨立測試結果可確認其精度。

禾賽稱，一般約 100 平方公尺的室內空間，掃描時間約為 15 分鐘；產品也提供掃描指引與中斷後續掃等功能，目的是簡化操作。32 不過，8K 指的是拍攝解析度，不代表輸出檔案也能以 8K 匯出：相關報導指出，匯出上限為 6K。12

Kosmo World 如何處理掃描資料

Kosmo World 是用來製作與管理 3D 內容的雲端平台。其底層系統 Kosmo Spatial Core，據稱能在一次重建中產出 3DGS、網格（mesh）與深度（depth）資料。32 這些格式分別提供視覺呈現、幾何表面與深度資訊；現有資料並未保證不同輸出在所有細節上完全一致。

禾賽也介紹了生成式功能，可補足未掃描區域、重建材質與紋理，並融合多個視角，形成可瀏覽的場景。32 但補出的區域屬於 AI 推算結果，並非設備直接掃描取得的實測資料。若場景要用於重視實際尺寸或細節的任務，這項差異值得留意。

這套平台的目標之一，是讓掃描好的空間能在機器人及其他空間應用中重複使用。報導指出，Kosmo 可從單一重建空間生成超過 10,000 條機器人訓練軌跡。1 這是報導所述的系統能力，單憑數量並不能證明這些軌跡對特定機器人或任務有多實用、是否具代表性。

Dairy Queen 案例：數字怎麼看？

禾賽表示，掃描並重建一家 Dairy Queen 店面約花 15 分鐘，之後 Sharpa 機器人在該場景中的任務成功率達 99%。4 另有報導將這項案例與人工建模相比，稱傳統方式約需 300 小時，使用 Kosmo 則約 15 分鐘。28

這些數字應視為禾賽公布的案例，而非經現有來源證實的受控比較。提供的報導沒有詳細說明成功率所涵蓋的任務，也未確認 15 分鐘是否只計算掃描與重建，或包含機器人訓練及部署時間。因此，這些結果不宜直接當成所有場景都能達到的效能保證。

不只機器人：合作與內容應用

禾賽在發布時宣布與具身智能公司 Galbot、Dexmal 合作，並展示使用 Pixar 的 RenderMan 與 Amap 開發的應用。17 這顯示公司也希望將 Kosmo 用於視覺內容製作與地圖等空間工作流程。不過，發布資訊本身並不足以證明每一項整合或應用的實際表現。

重點整理

Kosmo 的主張，是建立一條從現場採集到 3D 重建的流程：Kosmo One 記錄實體環境，Kosmo World 再把資料轉成可用於訓練與內容製作的 3D 資產。2332 評估它的實際價值，不能只看拍攝解析度；匯出限制、重建品質、未掃描區域如何處理，以及生成訓練資料是否有用，也同樣重要。禾賽公布的數字提供了初步輪廓，但精度與部署成效仍應視為公司說法，直到有獨立評估佐證。

Kosmo 是禾賽將真實環境轉成可重複使用 3D 數位空間的相機與雲端平台組合。這家以雷射雷達聞名的公司於 2026 年 10 月 14 日發布 Kosmo，表示平台可用於機器人訓練、世界模型開發及沉浸式內容製作。23 核心概念是先掃描實體空間，再把資料重建成不同形式的 3D 資產。

Kosmo One 如何掃描空間

Kosmo One 結合高解析度雷射雷達、採用一英吋感光元件的 8K 影像系統，以及高精度慣性測量單元（IMU）。禾賽表示，設備能以微秒級同步採集空間幾何、色彩、紋理及設備姿態資料。32

影像與空間資料會透過 3D 高斯潑濺（3D Gaussian Splatting，3DGS）及影像處理技術重建。禾賽宣稱，系統可達毫米級幾何精度，並能高保真呈現材質、色彩、紋理與光影。32 這些是廠商公布的規格；目前提供的資料沒有獨立測試結果可確認其精度。

禾賽稱，一般約 100 平方公尺的室內空間，掃描時間約為 15 分鐘；產品也提供掃描指引與中斷後續掃等功能，目的是簡化操作。32 不過，8K 指的是拍攝解析度，不代表輸出檔案也能以 8K 匯出：相關報導指出，匯出上限為 6K。12

Kosmo World 如何處理掃描資料

Kosmo World 是用來製作與管理 3D 內容的雲端平台。其底層系統 Kosmo Spatial Core，據稱能在一次重建中產出 3DGS、網格（mesh）與深度（depth）資料。32 這些格式分別提供視覺呈現、幾何表面與深度資訊；現有資料並未保證不同輸出在所有細節上完全一致。

禾賽也介紹了生成式功能，可補足未掃描區域、重建材質與紋理，並融合多個視角，形成可瀏覽的場景。32 但補出的區域屬於 AI 推算結果，並非設備直接掃描取得的實測資料。若場景要用於重視實際尺寸或細節的任務，這項差異值得留意。

這套平台的目標之一，是讓掃描好的空間能在機器人及其他空間應用中重複使用。報導指出，Kosmo 可從單一重建空間生成超過 10,000 條機器人訓練軌跡。1 這是報導所述的系統能力，單憑數量並不能證明這些軌跡對特定機器人或任務有多實用、是否具代表性。

Dairy Queen 案例：數字怎麼看？

禾賽表示，掃描並重建一家 Dairy Queen 店面約花 15 分鐘，之後 Sharpa 機器人在該場景中的任務成功率達 99%。4 另有報導將這項案例與人工建模相比，稱傳統方式約需 300 小時，使用 Kosmo 則約 15 分鐘。28

這些數字應視為禾賽公布的案例，而非經現有來源證實的受控比較。提供的報導沒有詳細說明成功率所涵蓋的任務，也未確認 15 分鐘是否只計算掃描與重建，或包含機器人訓練及部署時間。因此，這些結果不宜直接當成所有場景都能達到的效能保證。

不只機器人：合作與內容應用

禾賽在發布時宣布與具身智能公司 Galbot、Dexmal 合作，並展示使用 Pixar 的 RenderMan 與 Amap 開發的應用。17 這顯示公司也希望將 Kosmo 用於視覺內容製作與地圖等空間工作流程。不過，發布資訊本身並不足以證明每一項整合或應用的實際表現。

重點整理

Kosmo 的主張，是建立一條從現場採集到 3D 重建的流程：Kosmo One 記錄實體環境，Kosmo World 再把資料轉成可用於訓練與內容製作的 3D 資產。2332 評估它的實際價值，不能只看拍攝解析度；匯出限制、重建品質、未掃描區域如何處理，以及生成訓練資料是否有用，也同樣重要。禾賽公布的數字提供了初步輪廓，但精度與部署成效仍應視為公司說法，直到有獨立評估佐證。