Hesai lanza Kosmo: escanea espacios reales y los vuelve editables

¿Quieres mover el sofá a la pared de enfrente, pero temes descubrir después que estaba mejor donde estaba? Hesai quiere que ese paso ocurra primero en el ordenador. El 14 de octubre, la empresa, conocida por sus sensores lidar para automoción, presentó el motor de datos del mundo tridimensional Kosmo, cuyo elemento central es un dispositivo de mano, el Kosmo One: tiene el aspecto de un DJI Pocket algo más grande y, al escanear una habitación, permite obtener una copia con la que mover muebles en un espacio virtual.

El principio no es complicado. El lidar (un sensor que mide distancias con láser) registra la forma, la distancia y la posición de los objetos; un sistema de imagen CMOS de una pulgada (es decir, el sensor fotosensible de una cámara) registra colores, texturas e iluminación; ambas informaciones se alinean para reconstruir el espacio real. Hesai afirma que su precisión geométrica ha alcanzado el nivel milimétrico y que puede distinguir con claridad la malla de una raqueta de tenis, separada unos 5 mm. La captura de imagen admite hasta 8K, y el archivo final que puede exportar el usuario alcanza una resolución máxima de 6K. A diferencia de una cámara convencional, evita en lo posible los tratamientos estilizados, conserva los colores y la luz originales del lugar y, mediante un sistema de procesamiento de imagen ISP ajustado para la reconstrucción tridimensional, reduce las diferencias entre cámaras y momentos, de modo que varias perspectivas se unan en una escena coherente. Durante la captura, el lidar, el sistema de imagen y una IMU de alta precisión (unidad de medida inercial, que registra la posición y la orientación del dispositivo) se sincronizan con una precisión de microsegundos. Según los datos publicados por Hesai, en un interior común, escanear unos 100 metros cuadrados lleva unos 15 minutos.

Una vez terminada la captura, interviene la plataforma en la nube Kosmo World. Mediante segmentación semántica con IA, identifica los objetos de la escena y los extrae como elementos tridimensionales que pueden editarse por separado. Durante la presentación, el sistema reconoció el sofá a partir de una instrucción verbal y lo separó del resto; al retirarlo, la IA completó a partir del entorno la textura de la alfombra que quedaba oculta. Hesai también presentó una comparación: la misma habitación fotografiada con 20 imágenes y procesada por GPT-6 Astra presentaba desviaciones en la posición y la forma del sofá, así como en los materiales y la iluminación; al usar los datos 3DGS capturados con Kosmo, mejoró la relación de posición entre los objetos, pero detalles como la forma de las sillas o el material de las flores seguían sin ser exactos. Según Hesai, los modelos generales funcionan como un «cerebro», mientras que Kosmo One aporta unos «ojos» más precisos. Estos datos proceden de la propia demostración de la empresa y aún no se han visto pruebas independientes.

La tecnología ya ha llegado a los flujos de trabajo de profesionales. Dylan Sisson, responsable creativo de RenderMan, el renderizador industrial de Pixar, escaneó una lámpara de mesa y unas esculturas de bolas de colores de la plaza de un campus; los resultados pueden ajustarse en el software en posición, tamaño y transparencia, y reutilizarse en distintas fases de producción. La empresa de robótica Sharpa, por su parte, reprodujo una tienda DQ con Kosmo y montó sobre ella un entorno de entrenamiento para robots; Hesai afirma que sus robots alcanzan en ese entorno una tasa de éxito en las tareas del 99 %. Según TechNode, este escaneo sustituyó unas 300 horas de modelado manual.

¿Y qué significa esto para el público general? De momento, no significa que pueda usarse de inmediato. Hesai no ha anunciado el precio de venta de Kosmo, y a corto plazo los usuarios particulares no podrán escanear sus habitaciones con él. Para entrar en la vida cotidiana, el equipo necesitará ser más portátil y el proceso, desde la captura hasta el uso, más sencillo. Hesai indica que Kosmo seguirá iterando y que sus dispositivos de captura podrían llegar, a través de socios, a formas distintas de la de mano y a más escenarios. Para desarrolladores y equipos de producción profesional, el cambio más directo ya es visible: un solo escaneo deja una escena tridimensional que puede reutilizarse una y otra vez, tanto para el cine y la televisión como para entrenar robots.