機器人視覺迎來新突破!螞蟻靈波空間感知模型LingBot-Depth 2.0正式發佈

螞蟻集團旗下專注於具身智能的靈波科技於7月7日正式發表新一代空間感知模型LingBot-Depth 2.0。該模型以1.5億筆數據規模進行訓練，在邊緣清晰度、微小物體辨識、遠距離深度估計以及複雜場景的強固性等面向全面升級，為機器人視覺技術再添重要突破。 LingBot-Depth系列是靈波科技自主研發的空間感知模型，可視為機器人在物理世界中的「眼睛」。前一代的1.0版本已解決了機器人在透明、反光等棘手場景下的空間感知難題；全新2.0版本則進一步將訓練數據從300萬筆大幅擴充至1.5億筆，從而在各項性能指標上展現出顯著躍升。 在深度補全基準測試的16項評比中，LingBot-Depth 2.0拿下12項第一；特別是在難度最高的室內大面積深度缺失場景，深度誤差（RMSE）從上一代的0.132減半至0.062，成果相當突出。此外，玻璃、鏡面及透明物體等傳統深度相機容易失靈的場景，該模型的表現尤其亮眼，證明其能夠有效補全完整、平整的三維結構。 同步推出的視覺基座模型LingBot-Vision則為機器人建構起從「看懂」到「看準」的能力鏈。LingBot-Vision是業內首個將「邊界結構」設為預訓練目標的通用視覺基礎模型，打破以往空間感知訓練的框架，具備亞像素等級的邊界定位與空間結構理解能力，能提供更高精度且穩定的空間感知。 LingBot-Vision的預訓練語料僅使用1.6億張圖像，規模比DINOv3小一個數量級，但深度估計精度不僅不遜色，甚至更加優異；同時其對物體邊界的判定具有高度穩定性，可在影片中連續追蹤物體邊界。此次開源的四個版本包括ViT-G、ViT-L、ViT-B與ViT-S，並支援「一模多用」，除了作為LingBot-Depth 2.0的訓練基礎，也具備通用視覺能力。 在實際應用驗證方面，LingBot-Depth 2.0已通過奧比中光深度視覺實驗室的專業認證。基於奧比中光Gemini 330系列雙目3D相機所提供的晶片級原始數據，測試結果顯示該模型在邊緣清晰度、物體輪廓完整性、微小物體辨識、遠距離深度估計，以及複雜光線與材質場景下的抗干擾能力等項目均有明顯提升。 商業化進程也同步加速。靈波科技與奧比中光已在多方面展開深度合作。奧比中光最新推出的無本體數據採集產品中，RGB-D版本的EGO設備將搭載靈波科技針對資料採集場景優化的LingBot-Depth版本，未來還會進一步整合更高階的商業版模型，持續進行深度缺失補全、邊緣與空間結構優化，為具身智能模型訓練提供更精準穩定的真實世界數據。 此外，奧比中光預計將推出整合LingBot-Depth最新模型能力的SDK產品，讓搭載Gemini 330系列相機的機器人能在端側獲得更好的深度效果；並計劃於年底前推出內建LingBot-Depth商業版的一體化相機，實現「3D相機＋空間感知能力」一次到位。 靈波科技也積極擁抱開放生態，此次兩款模型的技術報告與LingBot-Vision的模型權重均已開源。該公司先前已先後開源具身大模型LingBot-VLA及其後訓練工具鏈，協助開發者用少量示教數據快速將模型遷移至不同機器人與任務，進一步降低產業進入門檻。靈波科技表示，期望以開放方式與業界共同打造機器人視覺底座，突破機器人在真實世界中「看懂、看準、看穩」的瓶頸，加速具身智慧領域的規模化落地。