蚂蚁灵波开源首个空间原生具身视觉基模 LingBot-Vision
蚂蚁灵波开源视觉模型 LingBot-Vision，让机器人看清透明杯和远距离网球，提升空间感知能力。
蚂蚁灵波发布并开源了LingBot-Vision和LingBot-Depth 2.0，前者是首个空间原生的具身视觉基础模型——在预训练阶段就教会模型关注物体边界和几何结构，后者基于前者升级，在透明杯、远距离小目标等机器人视觉难点上，深度图更连续、边缘更清晰，直接提升机器人抓取和导航的稳定性。
正文摘录
蚂蚁灵波开源首个空间原生具身视觉基模：让机器人更懂真实世界 视频地址： https://mp.weixin.qq.com/s/z1iVG8ZKv3Rj8TOMB6eezQ 左侧画面是真实世界；中间是未经优化的原始深度图——杯子的轮廓破碎，杯壁与背景粘连，香槟塔几乎看不出形状，空洞明显；右侧则是 LingBot-Depth 2.0 的输出：杯子的边界、层级和整体结构更完整，顶部杯子、酒瓶、杯塔之间的空间关系清晰，连细长的透明水柱都可见。 这种差异对机器人意义重大：抓杯子时边界不准会抓偏；在家庭、商场、工厂持续移动时，深度结果破碎会导致后续规划和控制抖动。 这正是蚂蚁灵波发布 LingBot-Vision 和 LingBot-Depth 2.0 的核心原因——机器人看世界，最怕“差一点”。尽管具身智能近年火热，但落地真实场景时，许多问题会快速回到最底层：透明物体就是典型。透明杯壁在 RGB 画面中可见，但深度传感器和深度模型常在此处不稳定——有的区域补不上、有的边缘粘连、有的直接空洞。 LingBot-Depth 2.0 的输出更像为机器人补上一层稳定的空间骨架，尽力保持杯口、杯壁、杯身之间的几何关系。因为机械臂抓杯子不仅需要知道“这是杯子”，还需要知道边界、开口方向、可接近位置，以及手爪靠近时是否会碰到旁边那层杯子。 如蚂蚁灵波预告片所示：机器人先看到带有透明水柱的清晰深度图，知道水的位置，才能准确将水壶推到水柱下接满水。 视频地址： https://mp.weixin.qq.com/s/z1iVG8ZKv3Rj8TOMB6eezQ 以下例子中，一只狗在户外追逐网球。