아키스케치·스튜디오랩, 로봇 AI 학습용 3D 공간 데이터 인프라 구축 MOU 체결

아키스케치(대표 이주성)와 스튜디오랩(대표 강성훈)이 로봇 AI 학습용 3D 공간 데이터 인프라 구축을 위한 업무협약(MOU)을 체결했다고 밝혔다. 협약식은 스페인 바르셀로나 피라 그란 비아(Fira Gran Via)에서 열린 ‘MWC 2026’ 현장에서 진행됐다.

아키스케치는 3D 공간 데이터 기업으로, 해당 자산을 로봇 AI 학습용 인프라로 전환하고 있다. 데이터에는 단순 형상 정보뿐만 아니라 재질, 무게, 파손 위험 등 물리적 속성이 포함되어 있어 구조화된 정보 제공이 가능하다.

아키스케치는 CAD 기반 3D 기하 계산 기술과 자동 데이터 생성 엔진을 활용해 로봇 학습용 ‘공간 지능 데이터셋’을 구축할 계획이다. 해당 데이터셋은 VLM의 공간 추론 학습에 필요한 구조화된 정답(Ground Truth)으로 활용될 수 있으며, 가상 환경에서 반복 학습 후 실제 환경에 적용하는 Sim-to-Real 구조로 확장 가능하다.

기존에는 인테리어 및 실내 설계 시뮬레이션에 활용되던 기술이지만, 이번 협약을 통해 로봇 AI 학습용 공간 데이터 인프라로 사업 영역이 확대된다. 이를 통해 아키스케치는 3D 설계 솔루션 기업을 넘어, 공간 데이터를 표준화·자동 생성하는 AI 인프라 기업으로 전환을 추진한다.

스튜디오랩은 로보틱스 기술과 생성형 AI를 결합한 커머스 콘텐츠 자동화 솔루션을 보유하고 있다. 사진 촬영 로봇 ‘젠시 PB’와 생성형 AI 기반 상세 페이지 제작 솔루션 ‘젠시’를 연계해 촬영부터 온라인 판매 콘텐츠 제작까지 자동화하는 구조를 구현했으며, CES 2026에서 공간 컴퓨팅 분야 ‘최고 혁신상’을 수상했다.

양사는 아키스케치의 3D 자동 생성 및 시뮬레이션 기술과 스튜디오랩의 피지컬 AI 기술을 결합해 실제 현장 적용성과 확장성을 갖춘 로봇 AI 학습 체계를 공동 구축할 계획이다. 산업 AI 전환(AI Transformation)과 휴머노이드 로봇 시장이 확대되는 가운데, 로봇 성능을 좌우하는 데이터 인프라의 중요성이 강조되고 있다.

이주성 아키스케치 대표는 “공간을 설계하는 AI를 넘어, 공간을 이해하고 학습시키는 데이터 인프라 기업으로 확장하고 있다”며 “스튜디오랩과 협력해 휴머노이드 로봇이 실제 환경에서 학습·검증할 수 있는 3D 공간 데이터 플랫폼을 구축하겠다”고 밝혔다.

스튜디오랩 강성훈 대표는 “로봇 AI 성능은 정밀하고 구조화된 공간 데이터 확보 여부에 달려 있다”며 “이번 협력을 통해 로봇 학습 효율을 높이고 산업 현장 적용이 가능한 AI 체계를 공동 고도화하겠다”고 말했다.

 


  • 관련 기사 더 보기

Archisketch and StudioLab Sign MOU to Build 3D Spatial Data Infrastructure for Robot AI Training

Archisketch (CEO Lee Ju-seong) and StudioLab (CEO Kang Sung-hoon) announced that they have signed a Memorandum of Understanding (MOU) to establish a 3D spatial data infrastructure for robot AI training. The signing ceremony took place at 'MWC 2026' held at Fira Gran Via in Barcelona, Spain.

Archisketch, a 3D spatial data company, is transforming its assets into infrastructure for robotic AI training. The data includes not only simple shape information but also physical properties such as material, weight, and risk of damage, enabling the provision of structured information.

Archisketch plans to build a "spatial intelligence dataset" for robot learning, leveraging CAD-based 3D geometric calculation technology and an automatic data generation engine. This dataset can serve as a structured ground truth for spatial inference training in VLMs, and can be expanded to a Sim-to-Real architecture, where repeated training in a virtual environment is followed by application to the real world.

While this technology was previously used for interior and indoor design simulations, this agreement expands its business scope to include spatial data infrastructure for robot AI training. Through this agreement, Archisketch aims to transform beyond a 3D design solutions provider into an AI infrastructure company that standardizes and automatically generates spatial data.

StudioLab possesses a commerce content automation solution that combines robotics technology and generative AI. By linking the photo-taking robot "Genci PB" with the generative AI-based detail page creation solution "Genci," the solution automates everything from photography to online sales content creation. This solution won the "Best Innovation Award" in the Spatial Computing category at CES 2026.

The two companies plan to jointly build a robot AI learning system with real-world applicability and scalability by combining Archisketch's 3D automatic generation and simulation technology with StudioLab's physical AI technology. Amidst the industrial AI transformation and the expansion of the humanoid robot market, the importance of data infrastructure, which determines robot performance, is being emphasized.

Lee Joo-seong, CEO of Archisketch, said, “We are expanding beyond AI that designs spaces to a data infrastructure company that understands and teaches spaces,” and “We will work with Studio Lab to build a 3D spatial data platform that will enable humanoid robots to learn and verify in real environments.”

Studio Lab CEO Kang Sung-hoon said, “Robot AI performance depends on securing precise and structured spatial data,” and added, “Through this collaboration, we will increase robot learning efficiency and jointly advance AI systems that can be applied in industrial settings.”


  • See more related articles

アキスケッチ・スタジオラボ、ロボットAI学習用3D空間データインフラ構築MOU締結

アキスケッチ(代表イ・ジュソン)とスタジオラップ(代表カン・ソンフン)がロボットAI学習用3D空間データインフラ構築のための業務協約(MOU)を締結したと明らかにした。協約式はスペインバルセロナのフィラグランビア(Fira Gran Via)で開かれた「MWC 2026」現場で行われた。

アキスケッチは3D空間データ企業で、その資産をロボットAI学習用インフラに転換している。データには、単純な形状情報だけでなく、材料、重量、破損の危険などの物理的属性が含まれているため、構造化された情報を提供できます。

アキスケッチはCADベースの3D幾何計算技術と自動データ生成エンジンを活用してロボット学習用「空間知能データセット」を構築する計画だ。データセットは、VLMの空間推論学習に必要な構造化正解(Ground Truth)として活用することができ、仮想環境で反復学習後、実際の環境に適用するSim-to-Real構造に拡張可能です。

従来はインテリアや室内設計シミュレーションに活用されていた技術だが、今回の協約を通じてロボットAI学習用空間データインフラに事業領域が拡大される。これにより、アキスケッチは3D設計ソリューション企業を超え、空間データを標準化・自動生成するAIインフラ企業に転換を推進する。

スタジオラボは、ロボット技術と生成型AIを組み合わせたコマースコンテンツ自動化ソリューションを保有している。写真撮影ロボット「ジェンシーPB」と生成型AIベースの詳細ページ制作ソリューション「ジェンシー」を連携して撮影からオンライン販売コンテンツ制作まで自動化する仕組みを実装し、CES 2026で空間コンピューティング分野「最高革新賞」を受賞した。

両社は、アキスケッチの3D自動生成およびシミュレーション技術とスタジオラップのフィジカルAI技術を組み合わせて、実際の現場適用性と拡張性を備えたロボットAI学習体系を共同構築する計画だ。産業AI転換(AI Transformation)とヒューマノイドロボット市場が拡大する中で、ロボット性能を左右するデータインフラの重要性が強調されている。

イ・ジュソンアキスケッチ代表は「空間を設計するAIを超えて、空間を理解し学習させるデータインフラ企業に拡張している」とし「スタジオラップと協力してヒューマノイドロボットが実際の環境で学習・検証できる3D空間データプラットフォームを構築する」と明らかにした。

スタジオラップカン・ソンフン代表は「ロボットAI性能は精密で構造化された空間データ確保の有無にかかっている」とし「今回の協力を通じてロボット学習効率を高め、産業現場適用が可能なAIシステムを共同高度化する」と話した。


  • 関連記事をもっと見る

Archisketch 和 StudioLab 签署谅解备忘录,共同构建用于机器人人工智能训练的 3D 空间数据基础设施

Archisketch(CEO 李柱成)和 StudioLab(CEO 姜成勋)宣布,双方已签署谅解备忘录(MOU),旨在建立用于机器人人工智能训练的 3D 空间数据基础设施。签约仪式在西班牙巴塞罗那 Fira Gran Via 举办的“MWC 2026”上举行。

三维空间数据公司 Archisketch 正在将其资产转化为机器人人工智能训练的基础设施。这些数据不仅包含简单的形状信息,还包括材料、重量和损坏风险等物理属性,从而能够提供结构化信息。

Archisketch计划构建一个用于机器人学习的“空间智能数据集”,该数据集将利用基于CAD的3D几何计算技术和自动数据生成引擎。该数据集可作为虚拟学习模型(VLM)空间推理训练的结构化真实标签,并可扩展到“仿真到现实”(Sim-to-Real)架构,即在虚拟环境中进行重复训练后,将其应用于现实世界。

虽然这项技术此前主要用于室内设计模拟,但此次协议将其业务范围扩展至机器人人工智能训练的空间数据基础设施。通过这项协议,Archisketch 旨在从一家 3D 设计解决方案提供商转型为一家人工智能基础设施公司,致力于空间数据的标准化和自动生成。

StudioLab 拥有一套结合机器人技术和生成式人工智能的电商内容自动化解决方案。该方案将拍照机器人“Genci PB”与基于生成式人工智能的详情页创建解决方案“Genci”相结合,实现了从摄影到在线销售内容创建的全流程自动化。该方案荣获 2026 年国际消费电子展(CES 2026)空间计算类“最佳创新奖”。

两家公司计划将Archisketch的3D自动生成和仿真技术与StudioLab的物理AI技术相结合,共同构建一个具有实际应用性和可扩展性的机器人AI学习系统。在工业AI转型和人形机器人市场不断扩张的背景下,决定机器人性能的数据基础设施的重要性日益凸显。

Archisketch 的首席执行官 Lee Joo-seong 表示:“我们正在从设计空间的 AI 扩展到理解和训练空间的数据基础设施公司”,并且“我们将与 Studio Lab 合作,构建一个 3D 空间数据平台,使人形机器人能够在真实环境中学习和验证。”

Studio Lab CEO 姜成勋表示:“机器人人工智能的性能取决于获取精确且结构化的空间数据”,并补充道:“通过此次合作,我们将提高机器人学习效率,并共同推进可应用于工业环境的人工智能系统。”


  • 查看更多相关文章

Archisketch et StudioLab signent un protocole d'entente pour la création d'une infrastructure de données spatiales 3D destinée à l'entraînement de l'IA robotique.

Archisketch (PDG : Lee Ju-seong) et StudioLab (PDG : Kang Sung-hoon) ont annoncé la signature d'un protocole d'accord visant à établir une infrastructure de données spatiales 3D pour l'entraînement de l'IA robotique. La cérémonie de signature s'est déroulée lors du MWC 2026, à la Fira Gran Via de Barcelone, en Espagne.

Archisketch, une entreprise spécialisée dans les données spatiales 3D, transforme ses actifs en infrastructure pour l'entraînement de l'IA robotique. Ces données comprennent non seulement des informations de forme simples, mais aussi des propriétés physiques telles que le matériau, le poids et le risque de dommages, permettant ainsi la fourniture d'informations structurées.

Archisketch prévoit de constituer un ensemble de données d'intelligence spatiale pour l'apprentissage robotique, en s'appuyant sur une technologie de calcul géométrique 3D basée sur la CAO et un moteur de génération automatique de données. Cet ensemble de données peut servir de référence structurée pour l'entraînement à l'inférence spatiale dans les environnements virtuels d'apprentissage (EVA) et peut être étendu à une architecture de simulation à application réelle, où un entraînement répété dans un environnement virtuel est suivi d'une application au monde réel.

Bien que cette technologie ait été précédemment utilisée pour des simulations d'aménagement intérieur, cet accord étend son champ d'application aux infrastructures de données spatiales destinées à l'entraînement de l'IA robotique. Grâce à cet accord, Archisketch ambitionne de devenir, au-delà de son rôle de fournisseur de solutions de conception 3D, une entreprise d'infrastructure d'IA qui standardise et génère automatiquement des données spatiales.

StudioLab propose une solution d'automatisation de contenu e-commerce qui combine robotique et intelligence artificielle générative. En associant le robot photographe « Genci PB » à « Genci », solution de création de pages produits basée sur l'IA générative, cette solution automatise l'ensemble du processus, de la photographie à la création de contenu pour la vente en ligne. Elle a remporté le prix de la meilleure innovation dans la catégorie Informatique spatiale au CES 2026.

Les deux entreprises prévoient de développer conjointement un système d'apprentissage automatique pour robots, à la fois applicable et évolutif, en combinant la technologie de génération et de simulation 3D automatique d'Archisketch avec la technologie d'IA physique de StudioLab. Dans le contexte de la transformation de l'IA industrielle et de l'expansion du marché des robots humanoïdes, l'importance de l'infrastructure de données, qui détermine les performances des robots, est de plus en plus soulignée.

Lee Joo-seong, PDG d'Archisketch, a déclaré : « Nous passons de l'IA qui conçoit des espaces à une entreprise d'infrastructure de données qui comprend et enseigne les espaces », et « Nous travaillerons avec Studio Lab pour construire une plateforme de données spatiales 3D qui permettra aux robots humanoïdes d'apprendre et de se vérifier dans des environnements réels. »

Le PDG de Studio Lab, Kang Sung-hoon, a déclaré : « Les performances de l'IA robotique dépendent de la sécurisation de données spatiales précises et structurées », et a ajouté : « Grâce à cette collaboration, nous augmenterons l'efficacité de l'apprentissage des robots et ferons progresser conjointement les systèmes d'IA qui peuvent être appliqués dans des contextes industriels. »


  • Voir plus d'articles connexes
%d bloggers like this: