蚂蚁集团旗下灵波科技发布空间感知模型LingBot-Depth 2.0 训练数据扩充至1.5亿规模

7月7日，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。该模型基于1.5亿规模数据进行训练，在边缘清晰度、细小物体识别、远距离深度估计以及复杂场景鲁棒性等方面实现全面升级。同期发布的还有视觉基座模型LingBot-Vision，旨在构建机器人从“看懂”到“看准”的能力链路。

LingBot-Depth 2.0性能全面升级：16项测评中12项获第一

LingBot-Depth是灵波自研的空间感知模型，相当于机器人在物理世界的眼睛。1.0版已解决了机器人看清透明、反光等复杂场景的空间感知难题。相较于1.0版，此次2.0版本的训练数据从300万扩充至1.5亿规模，性能出现明显提升。

• 在深度补全基准的16项测评中，LingBot-Depth 2.0获得12项第一。
• 在最难的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）。
• 在玻璃、镜面、透明物体等传统深度相机最容易失灵的场景中，表现尤为突出。

“深度补全”是指通过算法对传感器无法直接获取的深度信息进行估算，RMSE（均方根误差）是衡量深度估计准确度的关键指标，数值越低代表误差越小。

同步推出视觉基座模型LingBot-Vision，构建“看懂—看准”链路

此次发布中，灵波科技还同步推出了LingBot-Depth 2.0的视觉基座模型——LingBot-Vision。该模型旨在应对机器人视觉在空间感知、精细识别和复杂环境适应等方面的核心挑战，与LingBot-Depth 2.0形成协同能力，帮助机器人从“看懂”场景进一步迈向“看准”目标。

训练数据规模跃升：从300万到1.5亿，模型成熟度显著提升

从1.0版的300万训练数据到2.0版的1.5亿数据，数据量扩充了50倍。这一规模跃升使模型在多项关键能力上实现升级，尤其在传统深度相机普遍失灵的玻璃、镜面等场景中取得突破，意味着机器人在复杂环境中的空间感知可靠性得到实质性增强。

LingBot-Vision开源4个版本，亚像素级边界定位支持镜面玻璃场景三维补全

LingBot-Vision近日宣布开源其视觉基础模型，推出ViT-G/L/B/S四个版本。该模型被描述为业内首个将“边界结构”作为预训练目标的视觉基础模型，实现了空间感知训练范式的突破。

亚像素级边界定位能力

LingBot-Vision拥有亚像素级的边界定位与空间结构理解能力。所谓亚像素级，是指定位精度超越单个像素的物理单位，使得模型能够捕捉到像素之间的细微边界变化，从而获得更精细的物体轮廓信息。

在视频场景中，LingBot-Vision对物体边界的判定足够稳定，可以实现连续追踪物体边界。这一特性直接支撑了LingBot-Depth 2.0在镜面、玻璃等困难场景中的应用——该深度估计模型能够补全出完整、平整的三维结构。

LingBot-Vision的预训练语料仅为1.6亿张图像，比DINOv3小一个数量级，深度估计精度却与优于DINOv3。

通用视觉能力与开源版本

除了用于训练LingBot-Depth 2.0，LingBot-Vision还具备“一模多用”的通用能力，意味着同一模型可在不同视觉任务中迁移使用，无需针对每个任务单独训练。

本次开源的四个版本覆盖不同规模：ViT-G（巨型）、ViT-L（大型）、ViT-B（基础）、ViT-S（小型），为不同计算资源需求的开发者提供了选择。

• ViT-G：旗舰版本，适合高精度场景
• ViT-L：大模型版本，平衡性能与资源
• ViT-B：基础版本，广泛适用
• ViT-S：轻量版本，适合边缘设备

LingBot-Depth 2.0 深度补全系统在真实传感器测试中表现领先

近日，LingBot 团队发布了其最新一代深度补全解决方案 LingBot-Depth 2.0。该版本在基于真实传感器数据的深度补全测试中展现出领先性能，进一步提升了机器人视觉系统在复杂环境下的感知能力。

真实传感器测试场景下的性能表现

在此次测试中，LingBot-Depth 2.0 被应用于搭载多种真实传感器的机器人平台。测试数据涵盖了室内结构化环境与室外非结构化场景，重点评估系统在低纹理区域、物体边缘以及动态光照条件下的深度补全效果。

测试结果显示，LingBot-Depth 2.0 在深度缺失区域的填充精度上较上一代版本有明显提升，且能够更准确地还原物体边界与细节结构。

“深度补全”技术解析

深度补全是一项计算机视觉技术，旨在利用传感器获取的稀疏深度测量数据，通过算法推算出完整的、稠密的深度图。这对于机器人自主导航、避障及三维重建等任务至关重要。

• 稀疏深度数据：指传感器只能获取部分像素点上的距离信息，如激光雷达返回的点云。
• 稠密深度图：指每个像素点都包含距离信息的完整图像。

行业应用与市场影响

这一技术进展意味着搭载该系统的机器人能够在更低成本的传感器配置下，获得接近高端雷达的感知效果。对于智能仓储、自动驾驶、服务机器人等领域，LingBot-Depth 2.0 的推出有望降低其感知系统的硬件门槛。

LingBot 团队表示，后续将围绕该系统的实时性进行优化，目标是将其集成至嵌入式计算平台，以适配更多量产级机器人产品。

奥比中光Gemini 330系列相机助推LingBot-Depth 2.0通过深度视觉专业认证

近日，新一代深度感知技术LingBot-Depth 2.0已通过奥比中光深度视觉实验室专业认证。该版本的核心升级在于结合奥比中光Gemini 330系列双目3D相机所提供的芯片级3D原始数据，在多项关键性能指标上实现突破。

多项实际场景性能提升

实际测试场景显示，LingBot-Depth 2.0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、材质场景下的鲁棒性等方面均有明显提升。

（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）

技术价值拆解：芯片级3D原始数据的作用

所谓“芯片级3D原始数据”，是指双目3D相机中从图像传感器直接采集的原始视差信息，未经过任何软件层面的降噪或修正处理。直接获取这类数据，可最大程度保留环境光照、物体纹理的原始特征，为后续深度算法提供更真实、无失真的输入，从而帮助LingBot-Depth 2.0在边缘提取和复杂场景下保持稳定。

对行业/市场的直接影响

业内人士指出，深度估计算法在三维测量、机器人导航等领域具有关键支撑作用。LingBot-Depth 2.0通过官方专业认证，意味着其性能获得了第三方机构的技术背书，有望推动搭载Gemini 330系列相机的3D视觉方案在工业检测和智能感知场景中的部署加速。

蚂蚁灵波连发两款机器人视觉模型 与奥比中光深化产业落地合作

蚂蚁集团旗下蚂蚁灵波科技日前发布两款面向具身智能场景的视觉基础模型——LingBot-Vision与LingBot-Depth 2.0，并宣布与3D视觉感知企业奥比中光在商业化层面展开深度合作。双方合作的焦点在于为机器人训练和端侧部署提供精准的深度数据与视觉能力。

（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）

产品矩阵适配：从数采到端侧的全链路集成

根据合作披露信息，奥比中光最新推出的无本体数据采集产品矩阵中，RGB-D版本的EGO设备将适配蚂蚁灵波专门为数采场景优化的LingBot-Depth版本。该版本旨在补全深度缺失、优化物体边缘和空间结构细节，为具身智能模型训练提供“更精准、更稳定、更可用”的真实世界数据底座。

在端侧部署方面，奥比中光计划推出集成LingBot-Depth最新模型能力的SDK产品。该SDK将面向机器人客户，使搭载Gemini 330系列相机的机器人能够获得更好的深度效果。此外，双方还计划于今年年底推出集成LingBot-Depth商业版的一体化相机产品，实现“3D相机+空间感知能力”的一体化交付。

开放开源策略：共建机器人视觉底座

随着两款模型的发布，蚂蚁灵波与奥比中光的合作有望延展至更多领域。目前，两款模型的技术报告以及LingBot-Vision的模型权重已开源。蚂蚁灵波科技表示，希望以开放的方式与行业共建机器人视觉底座，让机器人突破在真实物理世界中“看懂、看准、看稳”的行业瓶颈，加速具身产业规模化落地。

• LingBot-Depth 2.0：该模型已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展现出高精度与稳定性。
• 产品规划：年内将推出集成商业版模型的一体化相机，实现软硬件一体化交付。
• 开源策略：LingBot-Vision模型权重已开源，技术报告同步公开。