导语：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子 LingBot-Depth 2.0。该模子基在 1.5 亿范围数据举行练习，于边沿清楚度、藐小物体识

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子 LingBot-Depth 2.0。该模子基在 1.5 亿范围数据举行练习，于边沿清楚度、藐小物体辨认、远间隔深度预计以和繁杂场景鲁棒性等方面实现周全进级。

LingBot-Depth是灵波自研的空间感知模子，相称在呆板人于物理世界的眼睛，1.0版解决了呆板人看清透明、反光等繁杂场景的空间感知难题。比拟在LingBot-Depth 1.0，LingBot-Depth 2.0的练习数据从300万扩充至1.5亿范围，机能周全进级：于深度补全基准的16项测评中得到12 项第一；于最难的室内年夜面积深度缺掉场景中，深度偏差较上一代减半（RMSE从0.132 降至0.062）；于玻璃、镜面、透明物体等传统深度相机最轻易掉灵的场景中体现尤为凸起。

这次还有同步推出了LingBot-Depth 2.0 的视觉基座模子——LingBot-Vision，构建起呆板人从“看懂”到“看准”的能力链路，旨于应答呆板人视觉于空间感知、邃密辨认及繁杂情况顺应等方面的焦点挑战。

（图说1：LingBot-Depth 2.0 于镜面、玻璃等坚苦场景中补全出完备、平整的三维布局）

LingBot-Depth 2.0 的冲破性进展患上益在 LingBot-Vision 凸起的视觉表征能力。作为一款通用视觉模子，LingBot-Vision 也是业内首个把“界限布局”作为预练习方针的视觉基础模子，实现了空间感知练习范式的冲破。它拥有亚像素级的界限定位与空间布局理解能力，实现了更高精度、更不变的空间感知能力。

LingBot-Vision 的预练习语料仅为 1.6 亿张图象，比 DINOv3 小一个数目级，深度预计精度却与优在 DINOv3；而且，LingBot-Vision对于物体界限的判断充足不变，能于视频中持续追踪物体界限。LingBot-Vision本次开源了4个版本——ViT-G/L/B/S。

据相识，LingBot-Vision除了了撑持LingBot-Depth 2.0的练习，还有具有“一模多用”的通用能力。

（图说2：LingBot-Depth 2.0 于真实传感器深度补全测试中体现领先）

（图说3：与主流视觉基础模子比拟，LingBot-Vision对于物体界限及空间布局的辨认更清楚、更不变）

今朝，LingBot-Depth 2.0 已经经由过程奥比中光深度视觉试验室专业认证。现实场景测试显示，基在奥比中光 Gemini 330 系列双目 3D 相机提供的芯片级 3D 原始数据，LingBot-Depth 2.0 于边沿清楚度、物体轮廓完备性、藐小物体辨认、远间隔深度预计和繁杂光照、材质场景下的鲁棒性等方面均有较着晋升。

（图说4：LingBot Depth 2.0经由过程奥比中光深度视觉试验室专业评测，于多型号传感器的空间及时域深度预计使命上都揭示了极高的精度及不变性）

于贸易化方面，蚂蚁灵波已经与奥比中光于诸多方面睁开深度互助。据相识，奥比中光最新推出的无本体数据收罗产物矩阵中，RGB-D版本的EGO装备会适配灵波科技专门为数采场景优化的 LingBot-Depth 版本，后续还有将进一步集成更高级别贸易版本模子，连续补全深度缺掉、优化物体边沿及空间布局细节，为具身智能模子练习提供更精准、更不变、更可用的真实世界数据底座。

此外，奥比中光将推出集成 LingBot-Depth 最新模子能力的 SDK 产物，供呆板人客户于端侧利用，让利用 Gemini 330 系列相机的呆板人得到更好的深度效果；并规划在年末推出集成 LingBot-Depth 贸易版的一体化相机产物，实现“3D 相机 + 空间感知能力”的一体化交付。跟着两款模子的发布，两边互助有望延展至更多范畴。

今朝，两款模子的技能陈诉、LingBot-Vision的模子权重已经开源。蚂蚁灵波科技暗示，但愿以开放的方式与行业共建呆板人视觉底座，让呆板人冲破于真什物理世界中“看懂、看准、看稳”的行业瓶颈，加快具身财产范围化落地。