蚂蚁灵波发布空间感知模型LingBot-Depth 2.0及视觉基座LingBot-Vision
蚂蚁灵波开源视觉基座模型，让机器人看清玻璃镜面等困难场景，加速具身智能落地。
蚂蚁集团旗下灵波科技发布空间感知模型LingBot-Depth 2.0，训练数据从300万扩充至1.5亿，在玻璃、镜面等深度相机易失灵的场景中误差减半。同时推出通用视觉基座模型LingBot-Vision，首次将边界结构作为预训练目标，实现亚像素级定位，并开源四个版本。
正文摘录
机器人视觉迎来新突破！蚂蚁灵波空间感知模型 LingBot-Depth 2.0 正式发布 （来源：量子位） 7月7日，蚂蚁集团旗下具身智能公司灵波科技发布空间感知模型 LingBot-Depth 2.0。该模型基于 1.5 亿规模数据进行训练，在边缘清晰度、细小物体识别、远距离深度估计以及复杂场景鲁棒性等方面实现全面升级。 LingBot-Depth 是灵波自研的空间感知模型，相当于机器人在物理世界的眼睛，1.0 版解决了机器人看清透明、反光等复杂场景的空间感知难题。相比于 LingBot-Depth 1.0，LingBot-Depth 2.0 的训练数据从 300 万扩充至 1.5 亿规模，性能全面升级：在深度补全基准（深度估计中用于评估缺失深度值填充效果的标准）的 16 项测评中获得 12 项第一；在最难的室内大面积深度缺失场景中，深度误差较上一代减半（RMSE，即均方根误差，从 0.132 降至 0.062）；在玻璃、镜面、透明物体等传统深度相机最容易失灵的场景中表现尤为突出。 此次还同步推出了 LingBot-Depth 2.0 的视觉基座模型——LingBot-Vision，构建起机器人从“看懂”到“看准”的能力链路，旨在应对机器人视觉在空间感知、精细识别和复杂环境适应等方面的核心挑战。 （图说 1：LingBot-Depth 2.0 在镜面、玻璃等困难场景中补全出完整、平整的三维结构） LingBot-Depth 2.0 的突破性进展得益于 LingBot-Vision 突出的视觉表征能力。作为一款通用视觉模型，LingBot-Vision 也是业内首个把“边界结构”作为预训练目标的视觉基础模型，实现了空间感知训练范式的突破。它拥有亚像素级的边界定位与空间结构理解能力，实现了更高精度、更稳定的空间感知能力。