"LingBot-Depth 2.0 的训练数据规模从 1.0 版本的 300 万扩充至 1.5 亿。"

作者：MD

编辑：tuya

出品：财经涂鸦（ID：caijingtuya）

《财经涂鸦》消息，继 2026 年 1 月开源 LingBot-Depth 1.0 后，7 月 7 日，蚂蚁灵波于发布新一代空间感知模型 LingBot-Depth 2.0，并同步开源视觉基座模型 LingBot-Vision。两款模型面向机器人视觉在空间感知、精细识别和复杂环境适应中的应用需求，旨在提升机器人在真实物理世界中的三维感知能力。

LingBot-Depth 是面向真实场景的深度补全模型，可理解为机器人获取物理空间信息的视觉能力之一。此前 1.0 版本主要针对透明、反光、密集物体等场景下的深度感知问题。此次发布的 2.0 版本在训练数据、模型精度和复杂场景适应性方面进行了升级。

据蚂蚁灵波，LingBot-Depth 2.0 的训练数据规模从 1.0 版本的 300 万扩充至 1.5 亿。在深度补全基准的 16 项测评中，该模型取得 12 项第一。在室内大面积深度缺失场景中，深度误差较上一代明显下降，RMSE 从 0.132 降至 0.062。对于玻璃、镜面、透明物体等传统深度相机容易出现失效或数据缺失的场景，LingBot-Depth2.0 可补全较完整、平整的三维结构。

目前，LingBot-Depth 2.0 已通过奥比中光深度视觉实验室专业认证。实际场景测试显示，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，该模型在边缘清晰度、物体轮廓完整性、细小物体识别、远距离深度估计，以及复杂光照和复杂材质场景下的稳定性等方面均有提升。奥比中光相关评测显示，LingBot-Depth2.0 在多型号传感器的空间和时域深度估计任务上具备较高精度和稳定性。

除数据规模扩大外，LingBot-Depth 2.0 的能力提升也来自同步开源的 LingBot-Vision。作为通用视觉基础模型，LingBot-Vision 采用面向空间感知的几何建模思路，将 " 边界结构 " 作为预训练目标。蚂蚁灵波称，该模型具备亚像素级边界定位和空间结构理解能力，可为深度补全等任务提供视觉表征支持。

在预训练数据方面，LingBot-Vision 使用 1.6 亿张图像，规模较部分主流视觉基础模型更小。蚂蚁灵波表示，与主流视觉基础模型相比，LingBot-Vision 在物体边界和空间结构识别方面更稳定，并可在视频中连续追踪物体边界。此次开源的 LingBot-Vision 包括 ViT-G、ViT-L、ViT-B、ViT-S 四个版本。除支持 LingBot-Depth 2.0 训练外，该模型也具备面向多类视觉任务的通用能力。

据蚂蚁凌波公众号，在产业合作方面，蚂蚁灵波已与奥比中光（688322.SH）展开合作。奥比中光最新推出的无本体数据采集产品矩阵中，RGB-D 版本 EGO 设备将适配专门为数据采集场景优化的 LingBot-Depth 版本。后续双方还计划集成更高级别商业版本模型，用于补全深度缺失、优化物体边缘和空间结构细节，为具身智能模型训练提供真实世界数据基础。

此外，奥比中光将推出集成 LingBot-Depth 最新模型能力的 SDK 产品，供机器人客户在端侧使用，使搭载 Gemini 330 系列相机的机器人获得更好的深度效果。奥比中光还计划于年底推出集成 LingBot-Depth 商业版的一体化相机产品，实现 "3D 相机 + 空间感知能力 " 的组合交付。

目前，两款模型的技术报告以及 LingBot-Vision 模型权重已开源。对于机器人和具身智能产业而言，空间感知能力是从数据采集、模型训练到端侧部署的重要基础能力。

随着 LingBot-Depth 2.0 与 LingBot-Vision 发布，蚂蚁灵波希望通过开源和产业合作，推动机器人视觉底座建设，并加速相关技术在具身智能、机器人终端和 3D 视觉设备中的落地。

据公开信息，蚂蚁灵波是蚂蚁集团旗下具身智能公司，成立于 2024 年 12 月，致力于打造机器人通用大脑。

本文由公众号财经涂鸦（ID：caijingtuya）原创撰写，如需转载请联系涂鸦君。

添加涂鸦君个人微信（ID：tuyaclub）

加入【公司情报社群】

参与资本市场讨论

获取一手情报