蚂蚁旗下灵波科技发布空间感知与视觉基座双模型

7月7日，蚂蚁集团旗下具身智能公司灵波科技正式对外发布两款自研模型：空间感知模型LingBot-Depth 2.0与视觉基座模型LingBot-Vision。据介绍，这两个模型将配合使用，旨在增强机器人在真实物理环境中的空间感知能力。

模型功能与协同逻辑

灵波科技此次推出的两款模型各有侧重。其中，LingBot-Depth 2.0为空间感知模型，专门用于处理机器人在三维空间中的深度信息理解；LingBot-Vision则为视觉基座模型，负责提供底层的图像特征提取与视觉理解能力。二者通过协同运作，可以帮助机器人更准确地识别物体位置、判断距离与障碍物关系，从而提升在复杂环境下的行动精度。

“空间感知能力是具身智能落地的关键环节，此次发布的模型将为后续机器人产品提供更为坚实的底层支撑。”——灵波科技相关技术负责人

技术口径解读

从发布节奏来看，灵波科技自2023年成立以来，已先后发布多款具身智能相关模型。此次升级至2.0版本，意味着模型在深度估计精度或场景泛化能力上有所提升。同时推出LingBot-Vision视觉基座模型，则补齐了从感知到理解的技术链路，使得机器人不仅能“看到”环境，还能“理解”所看到的内容。

• LingBot-Depth 2.0：空间感知模型，侧重于深度信息解析与三维场景重建
• LingBot-Vision：视觉基座模型，提供图像特征提取、目标识别等基础视觉能力
• 协同效果：提升机器人在真实物理世界中对障碍物、道路、物体位置的综合感知

产业落地与市场影响

灵波科技为蚂蚁集团旗下专注于具身智能技术研发的子公司。此次模型发布，也意味着蚂蚁集团在机器人底层技术层面的进一步布局。业内人士指出，随着空间感知与视觉能力的协同提升，未来在服务机器人、物流机器人等场景中，灵波科技的技术成果有望加速从实验室走向实际应用。

蚂蚁灵波发布两款视觉模型，深度补全测评12项第一

蚂蚁集团旗下灵波（LingBot）近日发布两款视觉模型，包括深度估计模型LingBot-Depth 2.0与视觉基础模型LingBot-Vision，同时宣布与奥比中光深化合作，计划推出集成深度感知能力的一体化3D相机设备。

LingBot-Vision：开源四个版本，重塑视觉预训练目标

灵波推出的视觉基础模型LingBot-Vision，被描述为业内首个将“边界结构”作为预训练目标的视觉模型。该模型能够实现亚像素级边界定位与空间结构理解。

亚像素级边界定位指像素以下的细分精度定位，可更精确地识别物体轮廓与边缘。

本次开源涵盖ViT-G/L/B/S四个版本模型权重及完整技术报告，供开发者社区免费使用与二次开发，降低视觉基础模型的接入门槛。

LingBot-Depth 2.0：1.5亿数据集训练，复杂场景精度跃升

LingBot-Depth 2.0基于1.5亿规模数据训练，较上一代300万数据集实现显著提升。该模型在边缘清晰度、细小物体识别、远距离深度估计及复杂场景鲁棒性等维度全面升级。

• 在深度补全基准16项测评中获得12项第一，其中室内大面积深度缺失场景的深度误差较上代降低约50%。
• 在玻璃、镜面、透明物体等传统深度相机容易失效的场景中，能够补全出完整、平整的三维结构图。

深度补全指从稀疏或部分缺失的深度数据中恢复完整深度图的技术，是3D视觉感知的核心环节。

与奥比中光深化合作，加速具身智能应用

商业化落地方面，蚂蚁灵波宣布与奥比中光进一步深化合作。双方将围绕数据采集、SDK集成及一体化3D相机等方向推进产品落地，计划推出集成LingBot-Depth能力的SDK和商业版一体化相机设备。

这一合作旨在为机器人提供更高精度的空间感知能力，直接加速具身智能产业的规模化应用。