禾赛在具身上又有新动作配资炒股有没有隐藏费用，这次和数据有关。
近期禾赛正式发布了三维世界数据引擎 Kosmo，包括 AI 空间相机 Kosmo One 和云平台 Kosmo World。前者采集真实环境，后者将其转化为可编辑、可复用的三维空间数据，服务机器人训练、世界模型和内容创作。
回看此前的布局，这并不是一次突然跨界。禾赛三位联合创始人已共同创办机器人公司 Sharpa，后者独立运营，开发机器人及灵巧手等产品；今年 4 月，禾赛又在技术开放日上首次展示 Kosmo，并公布机器人动力模组方向。
和禾赛团队交流后，你会发现 Kosmo 的野心也不只在机器人身上。具身训练、影视制作、空间展示，都被放进了它的应用范围。贯穿这些场景的是同一件事：把真实世界采下来，变成可以反复使用的三维数据资产。
Kosmo One AI 空间相机
大家都在采动作，禾赛先采环境
"当前，物理 AI 缺的不是数据，而是真实世界数据。"禾赛联合创始人及 CTO 向少卿这样解释 Kosmo 的出发点。
在他的判断中，普通二维图片和视频缺少直接测量的深度、位姿与空间关系；纯仿真数据难以完整还原复杂物理规律；真机遥操作足够真实，却成本高、难以规模化。高质量、大规模、低成本，长期构成具身数据的"不可能三角"。
Kosmo 的切入点由此不同。
此前体验觅蜂 MEgo 时，我需要完整做出叠衣服、擦桌子的过程，记录"人怎么完成一件事"。Kosmo 则更关注环境本身——房间的结构、物体的位置，以及它们之间的空间关系。
一个以操作过程为中心，一个以可复用的三维环境为中心。
这也决定了 Kosmo 在 Real-to-Sim-to-Real 中的位置：它主要处理真实环境进入仿真系统的前半段，降低场景采集与重建的门槛。
扫完一个房间，还能重新布置
外形上，一公斤重的手持相机 Kosmo One 像一个接力棒，但它不像看起来那么简单。
设备集成了高空间解析力激光雷达、8K 影像系统、一英寸 CMOS 和高精度惯性测量单元（IMU），对几何、色彩、纹理和设备位姿进行微秒级同步采集。再结合 3D Gaussian Splatting（3DGS）重建与专门的图像处理调校，官方称可以实现毫米级几何精度。
这些配置各有分工，激光雷达提供空间测量，影像系统记录视觉细节，IMU 辅助运动与姿态估计。它的思路是让三维重建以实测几何为依据，而不只是生成一个视觉上相似的房间。
采集流程则尽量简化。Kosmo One 提供即开即扫、智能指引和一键续扫功能，官方给出的典型参数是：约 15 分钟完成 100 平方米普通室内空间扫描。云端模型生成速度，在相近硬件、数据集和质量要求下，最高约为同类 3DGS 重建产品的 5 倍。
现场 demo 里，更吸引我的是采集后的可再编辑，重建场景中的物体可以被单独选中、移动，空间布局不再固定。
对机器人训练来说，这意味着一次采集可以扩展出多种训练条件。最近 GPT-6 Astra 借助 Blender 制作三维内容的演示，展示了模型构建虚拟场景的能力；Kosmo 则从真实空间出发，通过重建和编辑增加场景变化。
支撑这一步的是禾赛自研的 Kosmo Spatial Core（KSC）。据介绍，这套系统通过语义分割识别独立物体，通过生成式能力补全未扫描区域；一次重建还会同步输出相互对齐的 3DGS、Mesh 和 Depth 数据，分别用于视觉呈现、表面几何与距离表达。
例如，采集一间厨房后，可以改变杯子的位置、桌椅的摆放，构造不同的训练场景。同一项拿杯子或收拾桌面的任务，可以在不同条件下反复训练，帮助机器人学习适应环境变化。这也降低了反复布置现场、重新采集和建模的成本，让一份真实场景数据能够支持更多训练任务。
[ 世界模型空间轨迹规划视频 .mp4 ]
DQ 门店提供了一个实际样本。据 Sharpa 介绍，其机器人在上海一家 DQ 门店使用现有设备制作暴风雪冰淇淋，一单包含 55 个连续操作步骤，涉及开柜门、添加配料、搅拌和翻转纸杯等动作。
在这一项目中，原本约需专业团队 300 小时完成的训练环境建模，被约 15 分钟的扫描与重建替代；该部署中的机器人任务成功率达到 99%，失败率降至此前的十分之一。
机器人要训练场，电影也要片场
影视创作展示了同一套能力的另一种用途。
在机器人公司手里，三维场景是训练环境；在创作者手里，它可以成为勘景、镜头预演、虚拟制作和后期处理的素材。相比一段固定机位的视频，空间重建保留了继续选择视角、加工场景的余地。
目前，Kosmo 已获得全球顶尖影视公司的采用，其中包括皮克斯旗下工业级渲染器 RenderMan。10 月 5 日，RenderMan 官网发布教程，用 Kosmo 扫描皮克斯园区的台灯与小球，再将数据导入 Houdini，使用 RenderMan 渲染，并提供了 120MB 的示例工程。
用 Kosmo 扫描的皮克斯广场，再用 RenderMan 渲染的效果——来源：Dylan 的 blog
元股证券:ygzq.hk艺术家 Dylan Sisson 在使用记录中解释，采集结果可以通过 USD 格式进入 Houdini 的 Solaris 环境，不必先将广场重新制作成传统多边形场景。在 Houdini 中，扫描结果作为点数据参与编辑，可以调整位置、大小和透明度，再进行风格化处理。
另一个已经上线的场景来自高德。双方公布的首批合作项目中，"重美术馆"和"偏锋画廊"由 Kosmo 完成三维重建，进入高德扫街榜"飞行街景"，用户可以在线浏览真实空间。禾赛负责采集、重建与空间数据生成，高德提供地图、位置服务和应用入口。
由此看，Kosmo 对应的不只是一类客户需求：机器人公司购买训练素材，影视团队制作数字资产，商户和空间运营者则需要线上展示。
设备与数据服务，两种商业模式
关于 Kosmo 的商业模式，禾赛团队也有更具体的说明。一类是向行业客户提供软硬件一体化产品；另一类是面向世界模型和物理 AI 企业，提供规模化的真实空间数据生产服务。客户可以自行采集，也可以采购数据生产服务。
相应地，禾赛计划开放采集图像、点云、IMU 数据和重建后的三维资产，对接 Isaac Sim、Isaac Lab、Houdini、RenderMan 等训练与创作平台。发布会当天，Kosmo 还与银河通用机器人、原力灵机签订了战略合作。
银河通用机器人联合创始人姚腾洲介绍，进入一个新场景前，三维重建可以帮助团队提前了解环境，把部分训练、调试和验证放在实验室完成，缩短到客户现场后的交付过程。
正品配资平台苏度科技商业副总裁张校珩则谈到了工业客户对数据的顾虑：企业未必愿意把自己的场景数据交给模型公司。他认为，终端客户也可以使用 Kosmo 采集数据，再结合通用模型完成面向自身业务的后训练。
禾赛正在寻找它的下一个增长曲线，而拿大模型演进来对比，一切智能都建立在更好的"压缩"之上，对网络数据的压缩带来模型智能，接下来配资炒股有没有隐藏费用，如何对真实世界更高压缩，会直接影响物理 AI 的进程。禾赛过往的激光雷达技术与生意，其实就是对物理世界进行压缩的一种方法，今天它希望从此切入，真正演变为一个物理 AI 公司一个好的机器人公司。
元股证券官方-资产管理端提示：本文来自互联网，不代表本网站观点。
