Китайская Hesai создала пространственную камеру для обучения роботов: зачем машинам цифровые копии реального мира
Китайская компания Hesai представила Kosmo One — пространственную камеру, которая превращает реальные помещения в детализированные трёхмерные модели. С помощью облачной платформы Kosmo World эти модели становятся виртуальными средами для обучения роботов. Разработчики рассчитывают сократить время подготовки таких сценариев с сотен часов до минут.
Робот может распознать чашку, стол или стул, но ему нужно понимать геометрию пространства, чтобы взять чашку со стола и аккуратно поставить её на место. Для этого искусственный интеллект должен точно определять расположение объектов и расстояния между ними.
Решить эту задачу поможет китайская компания Hesai Group. 14 октября 2026 года она представила Kosmo One — пространственную камеру с системой трёхмерного сканирования. Камера создаёт цифровые копии реальных помещений, а платформа Kosmo World превращает эти данные в виртуальные среды для обучения роботов.
Идея проста: сначала оцифровать помещение, а затем использовать его модель для тренировок искусственного интеллекта. В такой среде робот может отработать действия, изучить расположение предметов и подготовиться к задачам в реальном мире.
Камера, которая видит глубже
Kosmo One — это объединение нескольких технологий. В её состав входят лидар высокого разрешения, однодюймовая камера и инерциальный измерительный модуль (IMU). Вместе они определяют геометрию пространства, фиксируют цвет и текстуры поверхностей, а также отслеживают положение камеры во время сканирования.
Лидар создаёт пространственную информацию с помощью лазерных импульсов, а обычная камера показывает, как выглядит помещение. Лидар добавляет сведения о глубине, что позволяет машине понять, где находится стол, стена и как расположены предметы.
Для робота это важно: на фотографии чашка может выглядеть различимой, но машине нужно оценить её положение в трёхмерном пространстве и рассчитать траекторию движения.
Hesai заявляет, что Kosmo One поддерживает захват изображения с разрешением до 8K. Однако экспортируемые файлы ограничены разрешением 6K. Для восстановления трёхмерной сцены применяется технология 3D Gaussian Splatting, которая создаёт реалистичные цифровые пространства.
По словам производителя, один человек может сканировать помещение площадью 100 квадратных метров примерно за 15 минут.
Зачем роботам виртуальные помещения
Полученная трёхмерная модель — это не просто визуализация комнаты. Платформа Kosmo World превращает её в среду для тренировок физических ИИ-систем. Алгоритмы семантической сегментации определяют отдельные объекты, а генеративный ИИ восстанавливает участки, которые не удалось отсканировать.
Разработчики получают виртуальную площадку для отработки перемещений, проверки сценариев взаимодействия с предметами и сбора обучающих данных. Важно, что среда основана на реальном помещении, а не на условной модели.
Hesai утверждает, что подготовка трёхмерной тренировочной среды раньше занимала около 300 часов ручного моделирования. При использовании Kosmo сканирование и реконструкция заняли всего 15 минут. Однако это не означает, что любой сложный сценарий можно подготовить за четверть часа.
Система также может автоматически создавать более 10 тысяч тренировочных траекторий из одной оцифрованной сцены. Это позволяет увеличить разнообразие обучающих примеров без организации каждой тренировки заново.
Робот раздаёт мороженое в реальном мире
Одним из примеров стал проект с роботом Sharpa Wave в заведении Dairy Queen в Шанхае. После подготовки цифровой модели магазина робот стал раздавать мороженое с успешностью 99%. Показатель неудачных попыток сократился до одной десятой. Однако этот результат следует рассматривать как показатель конкретного сценария, а не универсальную оценку надёжности роботов.
Тем не менее пример показывает, зачем нужна такая технология. Машине нужно учитывать расположение рабочих поверхностей и оборудования в определённом пространстве.
Читайте также: Роботы выходят в операционные: в Москве число операций с их участием выросло в четыре раза — где робототехника уже применяется на практике и почему машины пока не заменяют человека полностью.
