רובוט יכול לזהות ידית, קופסה או כיסא — אבל כדי לעבוד בעולם האמיתי הוא צריך להבין גם מרחק, עומק, מרקם ומיקום. חברת Hesai הסינית השיקה את Kosmo, מערכת שמנסה להפוך חללים פיזיים למודלים תלת־ממדיים מפורטים עבור אימון רובוטים ופיתוח יישומי Physical AI.
ההשקה התקיימה ב־14 באוקטובר 2026 במפעל החברה בשנגחאי ודווחה גם ב־Reuters. לפי החברה, Kosmo מחברת בין מצלמת Kosmo One לבין פלטפורמת ענן בשם Kosmo World, שמבצעת את עיבוד הנתונים ובניית הסביבה הדיגיטלית.
מה Kosmo אוספת?
לפי הודעת המוצר הרשמית של Hesai, המצלמה משלבת LiDAR, חיישן תמונה ויחידת מדידה אינרציאלית. השילוב נועד ללכוד לא רק צבע ותמונה, אלא גם גאומטריה ומיקום מדויק של המצלמה בזמן הסריקה.
החומר מועבר לעיבוד תלת־ממדי שמייצר נכס דיגיטלי של החלל. עבור מפתחי רובוטיקה, המטרה היא ליצור מאגרי נתונים שמייצגים חדרים, מפעלים, חנויות ורחובות בצורה עשירה יותר מצילום דו־ממדי רגיל.
למה רובוטים צריכים כל כך הרבה מידע מרחבי?
מודל שפה יכול ללמוד ממיליארדי משפטים ותמונות שנמצאים ברשת. רובוט פיזי צריך להתמודד גם עם מציאות שאינה מסודרת: חפצים בזוויות שונות, תאורה משתנה, מכשולים, משטחים חלקים ואנשים שנעים סביבו.
לדברי מנכ״ל Hesai, דייוויד לי, המחסור בנתוני מרחב איכותיים מגביל את היכולת להעביר רובוטים ממשימות הדגמה כמו נפנוף או ריקוד לעבודה פרודוקטיבית. זו טענה הגיונית מבחינה הנדסית, אך חשוב להבחין בין הצורך הכללי בנתונים לבין הביצועים המסחריים של Kosmo, שעדיין יצטרכו להיבחן בידי לקוחות וחוקרים עצמאיים.
מה מבטיחה החברה — ומה דורש אימות?
Hesai מגדירה את Kosmo One כמצלמת מרחב עם צילום עד 8K ומציינת שקובץ הייצוא המרבי הוא 6K. החברה טוענת גם לדיוק גאומטרי ברמת מילימטרים ולזמני עיבוד מהירים ביחס למוצרים דומים. אלה נתוני יצרן, והם תלויים בסוג הסביבה, בכמות הנתונים, בחומרה ובהגדרות העיבוד.
Reuters אימתה את עצם ההשקה ואת השילוב בין מצלמות ל־LiDAR, וכן דיווחה כי החברה חתמה על הסכמים עם חברות רובוטיקה סיניות. עם זאת, לא פורסמו תחזיות הכנסה ל־Kosmo, ואין עדיין תמונה רחבה של ביצועים בסביבות תעשייתיות שונות.
מעבר לרובוטים
Hesai מציגה שימושים אפשריים גם ביצירת תוכן, מיפוי ושירותי מיקום. מודל תלת־ממדי של חלל יכול לשמש לבניית תאומים דיגיטליים, בדיקת תרחישים, הפקת סרטים או תכנון אוטומציה לפני התקנת ציוד פיזי.
הכיוון הזה מתחבר למגמת ה־Physical AI שעליה כתבנו לאחר רכישת OnLogic בידי Omron: מודלי AI אינם נשארים בענן, אלא מתחברים לחיישנים, מחשבי Edge ומערכות מכניות שפועלות בעולם האמיתי.
האתגרים שלא נעלמים
- פרטיות: סריקה של בית, משרד או מפעל עשויה לכלול אנשים, מסמכים וציוד רגיש.
- אבטחת מידע: מאגרי תלת־ממד יכולים לחשוף את מבנה האתר ואת מיקום הנכסים.
- איכות הנתונים: השתקפויות, זכוכית, תאורה ותנועה עשויות להשפיע על התוצאה.
- העברה למציאות: גם מודל מדויק אינו מבטיח שרובוט יפעל בבטחה; נדרשים חיישנים בזמן אמת, מגבלות תנועה ובדיקות מערכת.
השורה התחתונה
Kosmo מנסה לבנות שכבת נתונים בין העולם הפיזי לבין מודלים לרובוטיקה. ההשקה מצביעה על שוק מתפתח של “תשתית נתונים” לרובוטים, אך ההבטחות הטכניות עדיין מגיעות בעיקר מהיצרן. המבחן האמיתי יהיה באיכות המודלים, בעלות ההפעלה וביכולת לעבוד באופן עקבי מחוץ להדגמות מבוקרות.
מקורות: Hesai — הודעת המוצר; Reuters — דיווח עצמאי על ההשקה.
צילום: Tara Winstead / Pexels. מקור: Pexels, בהתאם לרישיון Pexels.
