LingBot-Depth 2.0

LingBot-Depth 2.0是什么？

LingBot-Depth 2.0 是蚂蚁集团旗下灵波科技（Robbyant）于 2026 年 7 月 7 日发布的新一代机器人空间感知（Spatial Perception）基础模型。它的定位不是大语言模型，而是机器人视觉基础模型（Foundation Model for 3D Vision），主要负责让机器人”看清楚三维世界”。

GPT 是 AI 的大脑，而 LingBot-Depth 是机器人的眼睛。它解决的是机器人最核心的问题之一——空间感知（Depth Perception）。

LingBot-Depth 2.0的技术原理

LingBot-Depth 2.0 的突破性进展主要得益于以下两大核心技术：

• 空间原生视觉基座（LingBot-Vision）：它是业内首个将“边界结构”作为预训练目标的视觉基础模型。通过引入几何约束和边界中心掩码建模机制，它拥有亚像素级的边界定位与空间结构理解能力，为深度估计提供了强大的底层支撑。
• 掩码深度建模（MDM）与海量数据：模型利用深度传感器在透明、反光物体上天然产生的“深度缺失”作为掩码，要求模型仅凭 RGB 彩色图像和剩余有效深度信息去“脑补”完整深度。同时，其训练数据规模从 1.0 版本的 300 万大幅扩充至 1.5 亿，形成了数据与模型的正向循环。

技术优势：

LingBot-Depth 2.0的主要功能

• 复杂材质深度补全：有效攻克了玻璃、镜面、透明物体等传统深度相机容易失灵的“硬场景”，能够输出结构完整、边界清晰的三维深度图。
• 精细化空间感知：在边缘清晰度、细小物体识别（如电缆、细杆）以及远距离深度估计方面表现优异，避免了机器人因漏检而发生的避障盲区。
• 高精度与高鲁棒性：在最难的室内大面积深度缺失场景中，深度误差（RMSE）较上一代减半（从 0.132 降至 0.062），并在 16 项深度补全基准测评中拿下 12 项第一。

LingBot-Depth 2.0的使用场景

• 具身智能与机器人：为机器人的移动导航、避障、精细抓取（如抓取透明收纳箱、玻璃杯、香槟塔）提供可靠的空间数据底座。
• 工业自动化：赋能精密装配、高反光金属件对齐、物流仓储中的纸箱边界追踪等任务。
• AR/VR 与自动驾驶：提供精确的深度信息，增强复杂光照和材质环境下的感知安全性与用户体验。

LingBot-Depth 2.0的项目地址

• 项目官网：https://technology.robbyant.com/lingbot-vision
• GitHub仓库：https://github.com/robbyant/lingbot-vision
• HuggingFace模型库：https://huggingface.co/collections/robbyant/lingbot-vision
• arXiv技术论文：https://github.com/robbyant/lingbot-vision/blob/main/paper.pdf

如何使用LingBot-Depth 2.0？

• 开源获取：LingBot-Vision 的模型权重（提供 ViT-G/L/B/S 四个版本）及技术报告已全面开源，开发者可通过 GitHub、Hugging Face 或 ModelScope 获取。
• 硬件与 SDK 集成：蚂蚁灵波与奥比中光（Orbbec）达成深度合作。用户可通过奥比中光的 SDK 一键开启空间感知能力，或计划于年底购买集成了该模型商业版的“3D相机+空间感知”一体化相机产品，实现开箱即用。
• 云端部署：开发者也可以借助百度百舸等 AI 计算平台，使用官方提供的 Docker 镜像快速进行模型运行与推理。

同类产品对比