机器人3D数据层项目
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Splatica 是一家位于伦敦的 Physical AI 初创公司，由 Andrey Shelomentsev 共同创立。其核心目标是构建“物理世界的数据层”：把一次 360° 视频采集转换为面向机器人训练的、具备物理准确性的仿真级 3D 数字孪生。正文显示，该能力可导出到 NVIDIA Isaac Sim 和 Omniverse，并与 Insta360、NVIDIA Inception 等生态存在合作或成员关系。
从公开文本看，Splatica 的关键能力是 360° 视频到 3D 数字孪生，相关媒体与演示提到 3D Gaussian Splatting、可导航 3D 场景，以及通过 3–5 分钟 360° capture 生成可漫游场景。它并非通用文生图或文生 3D 工具，而是更偏向机器人、具身智能和仿真训练的数据基础设施。典型场景包括工厂、真实空间、无人机或全景相机采集场景的重建，以及遗产保护类 3D 记录项目。
抓取正文没有提供定价、免费额度、试用入口或付款方式，因此无法判断性价比和采购门槛。集成方面，已明确支持 NVIDIA Isaac Sim 与 Omniverse，这对机器人仿真团队很关键；同时官方 Insta360 伙伴身份意味着其采集流程可能更适配消费级 360° 相机。但 API、SDK、企业交付、私有化部署、批处理能力等信息未披露。中文界面、中文文档和本地化支持也没有相关说明。
优点是定位非常聚焦，直接服务机器人训练所需的真实世界场景数据，并与 NVIDIA 仿真生态对接；用单次 360° 采集生成场景，理论上能降低数据采集和建模成本。局限也明显：公开材料没有给出重建精度、尺度误差、物理属性生成、碰撞体质量、动态物体处理等关键评估；“physics-accurate”仍缺少可验证指标。数据隐私、上传素材如何保存、是否用于训练也未说明。
Splatica 更适合机器人公司、具身智能实验室、工业仿真团队、数字孪生和空间计算团队关注，尤其是已经使用 Isaac Sim/Omniverse 的用户。对普通 3D 创作者而言，信息和入口可能还不够产品化。中国访问情况未知，若依赖海外云服务、NVIDIA 生态或国际支付，实际使用可能存在网络、付款和合规不确定性。可对比 Luma AI、Polycam、RealityCapture 及 Gaussian Splatting 相关工具，但这些替代品未必同样面向机器人仿真。
本测评基于公开资料整理,不构成购买建议,请以 shelomentsev.com 官网实际信息为准。
Physical AI 方向，有趋势参考价值。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。