螞蟻集團旗下具身人工智能公司Robbyant，今日宣布推出新一代空間感知模型LingBot-Depth 2.0，以及其基礎視覺模型LingBot-Vision。這次發布標誌著機械人空間感知領域的重大突破，讓機械人能準確理解並導航實體世界。
LingBot-Depth 2.0建基於LingBot-Depth的成功，後者首創遮罩深度建模（MDM）技術，解決透明及反射表面深度感測挑戰。LingBot-Depth 2.0在訓練數據及性能方面均大幅提升。
主要模型在物體邊界及空間結構識別方面的比較。LingBot-Vision展現出卓越的清晰度及穩定性。 AP圖片
新模型以1.5億個樣本進行訓練，在16個深度補全基準測試中，有12個位列榜首。最值得注意的是，在最嚴苛的室內場景，並存在大量深度數據遺失的情況下，LingBot-Depth 2.0將深度誤差減半，將均方根誤差（RMSE）由0.132降至0.062。此外，它在傳統深度相機的常見失效情況下，例如玻璃、鏡子及透明物體，表現尤其出色。
這次突破由LingBot-Vision推動，這是一個全新視覺基礎模型，亦是業界首個以「邊界結構」作為預訓練目標的模型。憑藉亞像素級別的邊界定位及空間結構理解能力，LingBot-Vision為穩健的空間感知提供精確的視覺表示。
LingBot-Depth 2.0在真實世界感測器深度補全基準測試中處於領先地位。 AP圖片
值得一提的是，LingBot-Vision的預訓練語料庫僅包含1.6億張圖像，比DINOv3的規模小一個數量級。此外，它帶來高度穩定的物體邊界確定能力，能夠在影片中持續追蹤物體邊界。
除了支援LingBot-Depth 2.0，LingBot-Vision亦是一個多功能基礎模型，能夠執行各種下游任務。
LingBot-Depth 2.0在涉及鏡子及玻璃的挑戰性場景中，重建出完整且平面的3D結構。 AP圖片
在商業應用方面，LingBot-Depth 2.0獲奧比中光深度視覺實驗室專業認證，奧比中光是領先的機械人及人工智能視覺供應商。利用奧比中光Gemini 330系列立體3D相機的晶片級深度數據進行真實世界測試，結果顯示在邊緣清晰度、物體輪廓完整性、小物件識別、遠距離深度估計，以及複雜光線和材料條件下的穩健性方面，均有顯著改善。
此外，在奧比中光新發布的「無機械人數據採集硬件平台」產品矩陣中，RGB-D EGO裝置將整合針對數據採集優化的定制版LingBot-Depth模型。未來，它將進一步整合進階商業版本，持續優化缺失深度補全、物體邊緣及空間結構，為具身人工智能訓練提供精確、穩定及高度可用的真實世界數據基礎。
奧比中光將與Robbyant合作，推出整合LingBot-Depth 2.0的新產品。
Robbyant亦已開源LingBot-Vision的模型權重。該公司致力於與業界夥伴共同構建機械人視覺基礎，解決真實物理世界中「看見、準確看見及穩定看見」的關鍵瓶頸，並加速具身智能的商業部署。
Robbyant是螞蟻集團旗下具身智能公司，致力於透過尖端軟硬件技術推動具身智能發展。Robbyant自主研發具身人工智能的基礎大模型，並積極探索新一代智能裝置，旨在創造真正理解並改善人們日常生活的機械人伴侶及護理員，並在長者護理、醫療協助及家務等關鍵應用場景中，提供可靠的智能服務。
（美聯社）
