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

7月7日，机器觉迎间感蚂蚁集团旗下具身智能公司灵波科技正式推出空间感知模型 LingBot-Depth 2.0。人视该模型基于 1.5亿规模的新突型高质量数据进行训练，在边缘清晰度、破蚂微小物体识别、蚁灵远距离深度估计及复杂场景鲁棒性等核心维度实现全面跃升，波空布标志着机器人视觉技术迈入新阶段。知模h正

核心突破：从“看清”到“看准”的机器觉迎间感跨越

LingBot-Depth 作为灵波科技自研的空间感知模型，被喻为机器人在物理世界的人视“眼睛”。其1.0版本已攻克透明、新突型反光等复杂场景下的破蚂空间感知难题，而 2.0版本则实现了质的蚁灵飞跃：

• 数据规模倍增：训练数据从300万扩充至 1.5亿规模。
• 基准测试领先：在深度补全基准的波空布16项测评中，斩获 12项第一。知模h正
• 精度大幅优化：在最难的机器觉迎间感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）。
• 极端场景适配：在玻璃、镜面、透明物体等传统深度相机易失效的场景中，表现尤为卓越。

此次发布同步推出了视觉基座模型 LingBot-Vision，构建了从“看懂”到“看准”的能力闭环，旨在解决机器人视觉在空间感知、精细识别及复杂环境适应方面的核心痛点。

（图说1：LingBot-Depth 2.0 在镜面、玻璃等困难场景中补全出完整、平整的三维结构）

技术内核：LingBot-Vision 重新定义视觉表征

LingBot-Depth 2.0 的突破得益于底层基座模型 LingBot-Vision的强大视觉表征能力。作为业内首个将 “边界结构”作为预训练目标的视觉基础模型，LingBot-Vision 实现了空间感知训练范式的创新：

1. 亚像素级精度：具备亚像素级的边界定位与空间结构理解能力，提供更高精度、更稳定的空间感知。
2. 高效预训练：预训练语料仅 1.6亿张图像，规模比 DINOv3 小一个数量级，但深度估计精度更优。
3. 动态追踪稳定：对物体边界的判定极其稳定，支持视频中的连续物体边界追踪。
4. 多版本开源：本次开源了 ViT-G/L/B/S 四个版本，支持“一模多用”的通用能力。

（图说2：LingBot-Depth 2.0 在真实传感器深度补全测试中表现领先）

（图说3：与主流视觉基础模型相比，LingBot-Vision对物体边界和空间结构的识别更清晰、更稳定）

权威认证与硬件适配

目前，LingBot-Depth 2.0 已通过 奥比中光深度视觉实验室的专业认证。实测数据显示，基于奥比中光 Gemini 330 系列双目 3D 相机提供的芯片级 3D 原始数据，该模型在以下方面显著提升：

• 边缘清晰度与物体轮廓完整性
• 细小物体识别能力
• 远距离深度估计精度
• 复杂光照与材质场景下的鲁棒性

（图说4：LingBot Depth 2.0通过奥比中光深度视觉实验室专业评测，在多型号传感器的空间和时域深度估计任务上都展现了极高的精度和稳定性）

商业化落地：软硬一体，共建生态

蚂蚁灵波与奥比中光已展开深度商业化合作，共同推动具身智能落地：

1. 数据采集优化：奥比中光最新 RGB-D 版本 EGO 设备将适配灵波专为数采场景优化的 LingBot-Depth 版本，后续集成更高级商业模型，持续优化深度缺失补全及边缘细节，为具身智能训练提供精准、稳定的真实世界数据底座。
2. 端侧SDK支持：奥比中光将推出集成 LingBot-Depth 最新能力的 SDK，赋能使用 Gemini 330 系列相机的机器人，提升端侧深度效果。
3. 一体化相机产品：计划于年底推出集成 LingBot-Depth 商业版的一体化相机，实现“3D 相机 + 空间感知能力”的一体化交付。

开源开放，加速产业规模化

目前，LingBot-Depth 2.0 技术报告及 LingBot-Vision 模型权重均已开源。蚂蚁灵波科技表示，希望通过开放协作的方式，与行业共同构建机器人视觉底座，突破真实物理世界中“看懂、看准、看稳”的技术瓶颈，加速具身智能产业的规模化落地。

(责任编辑：探索)