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

事件概览

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-Depth2.0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

核心信息

相比于LingBot-Depth1.0，LingBot-Depth2.0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从0此次还同步推出了LingBot-Depth2.0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-Depth2.0在镜面、玻璃等困难场景中补全出完整、平整的三维结构）LingBot-Depth2.0的突破性进展得益于 LingBot-Vision 突出的视觉表征能力

观察与参考

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LingBot-Vision 的预训练语料仅为1.6亿张图像，比 DINOv3小一个数量级，深度估计精度却与优于 DINOv3;并且，LingBot-Vision对物体边界的判定足够稳定，能在视频中连续追踪物体边界LingBot-Vision本次开源了4个版本——ViT-G/L/B/S