---
title: "Hesai lança câmera espacial Kosmo para acelerar robótica com IA"
author: "Gustavo Ramos O. Klein"
date: "2026-10-15 06:29:32.194-03"
category: "Inteligência Artificial & Dados"
url: "http://desbugados.scale.press/portal/desbugados/post/2026/10/15/hesai-lanca-camera-espacial-kosmo-para-acelerar-robotica-com-ia/md"
---

## Resumo
- A Hesai lançou o sistema Kosmo em 14 de outubro de 2026, em Xangai.
- A câmera Kosmo One combina lidar, sensor de imagem de uma polegada e IMU.
- Um operador pode mapear cerca de 100 metros quadrados em 15 minutos.
- A plataforma Kosmo World converte os registros em ambientes de simulação tridimensionais.
- Os dados são compatíveis com ferramentas como NVIDIA Isaac Sim e Unreal Engine.
- Galbot e Dexmal assinaram parcerias estratégicas com a Hesai, e robôs alcançaram 99% de sucesso em tarefas de teste.

---

Em 14 de outubro de 2026, a chinesa **Hesai Group** apresentou, em um evento na fábrica da empresa em Xangai, o sistema Kosmo. O pacote reúne a câmera espacial Kosmo One e a plataforma em nuvem Kosmo World, como mostra o [anúncio do sistema Kosmo](https://www.prnewswire.com/news-releases/building-the-data-infrastructure-for-physical-ai-hesai-launches-kosmo-3d-world-data-engine-302908956.html). A aposta é atacar uma dificuldade direta da robótica movida por inteligência artificial: reunir dados do mundo físico em um formato que possa ser usado no treinamento e na simulação de máquinas. Se o robô precisa agir fora de um ambiente controlado, alguém precisa primeiro registrar como esse espaço é organizado.

## Da cena real ao dado treinável

A primeira camada dessa ponte é a captura. A **Kosmo One** combina um lidar de alta resolução, um sensor de imagem de uma polegada e uma unidade de medição inercial, ou IMU, para registrar geometria, cor, textura e posição com sincronização na escala de microssegundos. Um operador consegue mapear cerca de **100 metros quadrados em 15 minutos**. Na prática, a câmera concentra em uma única coleta informações que um sistema robótico precisa para reconhecer tanto a forma dos objetos quanto sua posição no espaço, reduzindo a distância entre uma sala real e uma representação digital utilizável.

Depois da captura, a **Kosmo World** transforma os registros em ambientes de simulação tridimensionais. Entre as saídas estão o 3DGS, uma forma de representar cenas em três dimensões, e as malhas digitais, que descrevem superfícies e volumes. Esses dados são compatíveis com ferramentas como **NVIDIA Isaac Sim** e Unreal Engine. A questão deixa de ser apenas enxergar o ambiente: é fazer a informação atravessar a fronteira entre a câmera, a nuvem e o software em que o robô será treinado.

## O que a adoção precisa provar

Essa necessidade de dados ajuda a explicar a estratégia comercial da empresa. Segundo David Li, CEO da Hesai, os robôs já realizam tarefas simples, mas ainda faltam dados para interações complexas no mundo real. A companhia assinou acordos com empresas chinesas de robótica, incluindo parcerias estratégicas com **Galbot e Dexmal**. De acordo com a [reportagem sobre o lançamento](https://economictimes.indiatimes.com/tech/artificial-intelligence/chinas-hesai-launches-spatial-camera-to-boost-ai-powered-robotics-adoption/printarticle/134938348.cms), a tecnologia ajudou robôs a alcançar uma taxa de sucesso de **99% em tarefas de teste**. O número é um sinal do desempenho observado nessas avaliações, mas não equivale, por si só, à adoção ampla em ambientes variados.

É nesse ponto que o Kosmo precisa ser acompanhado com atenção. A câmera resolve a etapa de registrar o espaço, e a plataforma organiza esse material para a simulação; a etapa seguinte é saber como esses dados se comportam quando chegam a robôs que lidam com situações menos previsíveis. David Li posicionou a Hesai como uma fornecedora **Tier 1**, ou de primeiro nível, para a indústria de robótica. Para desenvolvedores, o dado mais concreto agora são as parcerias já anunciadas e a conversão de ambientes reais em material de treinamento. O que ainda falta observar é a escala dessa ponte: quantos espaços serão digitalizados, quais robôs usarão esses dados e se o desempenho dos testes se mantém fora das demonstrações controladas.