科技量子位··AI 生成
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
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 及其视觉基座模型 LingBot-Vision，后者是业内首个将边界结构作为预训练目标的视觉基础模型。LingBot-Depth 2.0 在16项深度补全测评中获得12项第一，尤其解决了玻璃、镜面等传统深度相机失灵场景。文章核心价值在于发布了开源的技术报告和模型权重，以及披露了与奥比中光的商业化合作细节，包括未来集成模型的相机产品。适合对具身智能产业落地和机器人视觉技术路线关注的读者。原文 ↗原文 ↗
核心观点
- ▍LingBot-Depth 2.0 通过将训练数据从 300 万扩充至 1.5 亿，在边缘清晰度、细小物体识别、远距离深度估计等性能上全面升级，尤其在传统深度相机失灵场景表现突出。
- ▍其视觉基座模型 LingBot-Vision 是业内首个把「边界结构」作为预训练目标的通用视觉模型，实现了亚像素级的边界定位，并以更少的预训练数据（1.6亿张图像）实现了优于 DINOv3 的深度估计精度。
- 01在深度补全基准的 16 项测评中，LingBot-Depth 2.0 获得 12 项第一。
- 02在室内大面积深度缺失场景中，深度误差较上一代减半（RMSE 从 0.132 降至 0.062）。
- 03LingBot-Vision 的预训练语料仅为 1.6 亿张图像，比 DINOv3 小一个数量级，但深度估计精度优于 DINOv3。
- 04LingBot-Depth 2.0 已通过奥比中光深度视觉实验室专业认证，基于其 Gemini 330 系列相机，在边缘清晰度、物体轮廓完整性、鲁棒性等方面有提升。
- 05商业化方面，灵波科技与奥比中光合作，计划推出集成 LingBot-Depth 商业版的 SDK 和一体化相机产品。
- 06LingBot-Vision 本次开源了 ViT-G/L/B/S 四个版本，技术报告和模型权重已公开。
反方 / 局限
- — 文章本质是公司产品发布通稿，未讨论任何技术局限、失败案例或与同类模型的对比劣势，也未提及训练数据的来源、质量和潜在偏差。
前置背景
平行视角
未来推演
延伸追问