アント・グループが「LingBot-Vision」をオープンソース化し、ロボットに空間認識能力を付与
エンボディッド・インテリジェンスにおいて、ロボットが人間並みの精度で物理的な空間を認識できるようにすることは、依然として根本的な課題となっています。 アン・グループの子会社で、エンボディッドAIを専門とするRobbyantは、LingBot-Visionモデルファミリーを正式にオープンソース化した。この自己教師あり視覚トランスフォーマーのスイートは、革新的な「境界モデリング」戦略を通じて高密度な空間認識において卓越した成果を達成しており、パラメータ数が少ないにもかかわらず、複数のベンチマークにおいてより大規模なモデルを上回る性能を発揮している。
現在の視覚基盤モデルの多くは「物体認識」を優先しており、画像内に何があるかを特定することに重点を置く一方で、物体の境界、輪郭、奥行きといった重要な物理的相互作用の手がかりを見落としがちだ。 LingBot-Visionは、「境界」を主要な事前学習シグナルとして扱うことで、このアプローチを逆転させました。マスク境界モデリングを活用することで、モデルは画像内で最も情報密度の高い領域を特定し、その領域を中心に学習を行います。この手法により、モデルは意味的な理解を獲得すると同時に、堅牢な幾何学的空間認識能力を養うことが可能になります。

性能面では、フラッグシップモデルであるLingBot-VisionのViT-g/16は、パラメータ数がわずか11億であるにもかかわらず、NYU-Depth v2を含む深度推定タスクにおいて最先端の結果を達成している。 パラメータ数70億を誇るDINOv3を上回る性能を発揮しつつ、使用するトレーニングデータセットの規模はおよそ3分の1にとどまっています。リソースに制約のある展開シナリオ向けに、本シリーズではパラメータ数30億からさらに小規模なものまで、ディスティルされたバージョンを提供しており、さまざまなハードウェア構成において最高水準の高密度予測性能を保証します。
この技術の実用的な価値を実証するため、開発チームは深度補完システムもLingBot-Depth 2.0へとアップグレードしました。テストの結果、従来の知覚上の盲点であった透明な物体の処理において、精度が大幅に向上したことが示されています。 データ量が増加するにつれて、LingBot-Visionの性能は従来のモデルに典型的な飽和現象を見せることなくスケーリングし続け、複雑な実世界環境における「境界中心型空間知覚アーキテクチャ」の可能性をさらに裏付けています。
LingBot-Visionは現在、Apache-2.0ライセンスの下でHugging Faceにて完全にオープンソース化されており、大規模から小規模までの4つのモデルサイズに対応する重みデータおよび推論コードが含まれています。この技術により、開発者はより低い計算コストでロボットに高感度な物理的知覚能力を付与できるようになり、具現化された知能における、より精密でインタラクティブな未来への道が開かれます。
関連記事
GPT 5.5がAIセキュリティ競争でリード、DeepSeekはコスト効率で首位
カスラ・ラージェルディ氏というセキュリティ研究者は、主要な大規模言語モデルのセキュリティ推論に関する実用的なテストを詳述した重要なレポートを最近公開しました。彼は、意図的に脆弱な書籍レビューアプリケーションを構築することでこれを実現しました。このシナリオは現実世界の脆弱性を模倣するもので、ラージェルディ氏はアプリケーションファイル内にGoogleモバイルバックエンドサービスの認証情報を埋め込みました。モデルには、これらの認証情報を解凍して特定し、データベースに直接アクセスするよう命じられました。
マスク氏、「SpaceXのAIは半年以内にAnthropicを追い抜く可能性がある」と発言
SpaceXAIのCEO、イーロン・マスク氏は、コンピューティングハードウェアを活用して競合他社との差を縮め、6か月以内にAI分野で主導権を握ると予測している。SpaceXAIのCEOであるイーロン・マスク氏は先日、X上で、同社が約6ヶ月以内に最先端のAI分野をリードすることを目指していると述べた。マスク氏は慎重な楽観論を示し、SpaceXAIが2~3ヶ月以内にAnthropicの「Fable」や
WeRide、物理AI大規模モデル「WITT」を発表
自動運転技術は目覚ましいスピードで進歩しています。7月17日、自動運転分野をリードする企業であるWeRideは、独自開発の物理AI認知基盤モデル「WeRide WITT」を発表しました。この発表は、AIが複雑で現実世界のデータを理解・処理する能力において、重要なマイルストーンとなります。WeRide WITTの中核をなすのは、「最小物理的事実単位(minimum physical fact uni
関連特集おすすめ
コメント (0)
0/500
エンボディッド・インテリジェンスにおいて、ロボットが人間並みの精度で物理的な空間を認識できるようにすることは、依然として根本的な課題となっています。 アン・グループの子会社で、エンボディッドAIを専門とするRobbyantは、LingBot-Visionモデルファミリーを正式にオープンソース化した。この自己教師あり視覚トランスフォーマーのスイートは、革新的な「境界モデリング」戦略を通じて高密度な空間認識において卓越した成果を達成しており、パラメータ数が少ないにもかかわらず、複数のベンチマークにおいてより大規模なモデルを上回る性能を発揮している。
現在の視覚基盤モデルの多くは「物体認識」を優先しており、画像内に何があるかを特定することに重点を置く一方で、物体の境界、輪郭、奥行きといった重要な物理的相互作用の手がかりを見落としがちだ。 LingBot-Visionは、「境界」を主要な事前学習シグナルとして扱うことで、このアプローチを逆転させました。マスク境界モデリングを活用することで、モデルは画像内で最も情報密度の高い領域を特定し、その領域を中心に学習を行います。この手法により、モデルは意味的な理解を獲得すると同時に、堅牢な幾何学的空間認識能力を養うことが可能になります。

性能面では、フラッグシップモデルであるLingBot-VisionのViT-g/16は、パラメータ数がわずか11億であるにもかかわらず、NYU-Depth v2を含む深度推定タスクにおいて最先端の結果を達成している。 パラメータ数70億を誇るDINOv3を上回る性能を発揮しつつ、使用するトレーニングデータセットの規模はおよそ3分の1にとどまっています。リソースに制約のある展開シナリオ向けに、本シリーズではパラメータ数30億からさらに小規模なものまで、ディスティルされたバージョンを提供しており、さまざまなハードウェア構成において最高水準の高密度予測性能を保証します。
この技術の実用的な価値を実証するため、開発チームは深度補完システムもLingBot-Depth 2.0へとアップグレードしました。テストの結果、従来の知覚上の盲点であった透明な物体の処理において、精度が大幅に向上したことが示されています。 データ量が増加するにつれて、LingBot-Visionの性能は従来のモデルに典型的な飽和現象を見せることなくスケーリングし続け、複雑な実世界環境における「境界中心型空間知覚アーキテクチャ」の可能性をさらに裏付けています。
LingBot-Visionは現在、Apache-2.0ライセンスの下でHugging Faceにて完全にオープンソース化されており、大規模から小規模までの4つのモデルサイズに対応する重みデータおよび推論コードが含まれています。この技術により、開発者はより低い計算コストでロボットに高感度な物理的知覚能力を付与できるようになり、具現化された知能における、より精密でインタラクティブな未来への道が開かれます。
GPT 5.5がAIセキュリティ競争でリード、DeepSeekはコスト効率で首位
カスラ・ラージェルディ氏というセキュリティ研究者は、主要な大規模言語モデルのセキュリティ推論に関する実用的なテストを詳述した重要なレポートを最近公開しました。彼は、意図的に脆弱な書籍レビューアプリケーションを構築することでこれを実現しました。このシナリオは現実世界の脆弱性を模倣するもので、ラージェルディ氏はアプリケーションファイル内にGoogleモバイルバックエンドサービスの認証情報を埋め込みました。モデルには、これらの認証情報を解凍して特定し、データベースに直接アクセスするよう命じられました。
マスク氏、「SpaceXのAIは半年以内にAnthropicを追い抜く可能性がある」と発言
SpaceXAIのCEO、イーロン・マスク氏は、コンピューティングハードウェアを活用して競合他社との差を縮め、6か月以内にAI分野で主導権を握ると予測している。SpaceXAIのCEOであるイーロン・マスク氏は先日、X上で、同社が約6ヶ月以内に最先端のAI分野をリードすることを目指していると述べた。マスク氏は慎重な楽観論を示し、SpaceXAIが2~3ヶ月以内にAnthropicの「Fable」や
WeRide、物理AI大規模モデル「WITT」を発表
自動運転技術は目覚ましいスピードで進歩しています。7月17日、自動運転分野をリードする企業であるWeRideは、独自開発の物理AI認知基盤モデル「WeRide WITT」を発表しました。この発表は、AIが複雑で現実世界のデータを理解・処理する能力において、重要なマイルストーンとなります。WeRide WITTの中核をなすのは、「最小物理的事実単位(minimum physical fact uni





家






