アント・グループが空間認識モデル「LingBot-Depth 2.0」をリリースし、ロボットの視覚技術をさらに進化させた。
7月7日、アント・グループ傘下のエンボディッド・インテリジェンス企業であるLingbo Technologyは、空間知覚モデル「LingBot-Depth 2.0」をリリースした。1億5000万サンプルのデータセットを用いて学習されたこのモデルは、エッジの鮮明度、微細な物体の認識、長距離の深度推定、および複雑なシナリオにおける頑健性において、包括的な改善を実現している。
LingBot-Depthは、Lingboが独自に開発した空間認識モデルであり、現実世界におけるロボットの「目」としての役割を果たす。初代バージョンは、透明や反射面といった困難なシナリオにおける空間認識の課題に対処していた。 バージョン1.0と比較して、LingBot-Depth 2.0の学習データは300万サンプルから1億5000万サンプルへと拡大し、全体的な性能が向上した。深度補完ベンチマークの16の評価項目のうち、12項目で1位を獲得した。 大規模な深度欠損が生じる最も困難な屋内シナリオにおいても、深度誤差は前世代と比較して半減しました(RMSEは0.132から0.062に低下)。ガラス、鏡、透明物体など、従来の深度カメラがしばしば機能不全に陥る状況において、特に優れた性能を発揮します。
同時に、LingBot-Depth 2.0では、その視覚基盤モデルであるLingBot-Visionが導入され、「理解」から「正確な知覚」に至る能力チェーンが構築されました。これは、空間知覚、詳細な認識、複雑な環境への適応など、ロボットビジョンにおける中核的な課題の解決を目指しています。

(図1:LingBot-Depth 2.0は、鏡やガラスといった困難なシナリオにおいても、完全かつ平坦な3D構造を構築する)
LingBot-Depth 2.0の画期的な成果は、LingBot-Visionの卓越した視覚表現能力に支えられている。 汎用視覚モデルであるLingBot-Visionは、業界で初めて「境界構造」を事前学習の目標として採用した視覚基盤モデルであり、空間認識の学習パラダイムにおいて画期的な進歩を遂げました。サブピクセルレベルの境界位置特定と空間構造の理解を実現し、より高精度で安定した空間認識を提供します。
LingBot-Visionの事前学習コーパスはわずか1億6000万枚の画像で構成されており、DINOv3に比べて1桁少ないにもかかわらず、その深度推定精度はDINOv3を上回っています。さらに、LingBot-Visionによる物体境界の判定は十分に安定しており、動画内での連続的な境界追跡を可能にしています。 今回のリリースには、ViT-G、ViT-L、ViT-B、ViT-Sの4つのバージョンが含まれています。
入手可能な情報によると、LingBot-VisionはLingBot-Depth 2.0の学習をサポートするだけでなく、他にもさまざまな用途に利用できる。

(図2:LingBot-Depth 2.0は、実際のセンサーを用いた深度補完テストで良好な性能を発揮している)

(図3:主流の視覚基盤モデルと比較して、LingBot-Visionは物体の境界や空間構造をより明確かつ安定して識別する)
現在、LingBot-Depth 2.0はOrbbec Depth Vision Labの専門認証を取得しています。 実用シナリオでのテストによると、Orbbec社のGemini330シリーズステレオ3Dカメラが提供するチップレベルの3D生データに基づき、LingBot-Depth 2.0は、エッジの鮮明度、物体の輪郭の完全性、微細な物体の認識、長距離深度推定、および複雑な照明や材質のシナリオにおける堅牢性を大幅に向上させることが示されています。

(図4:LingBot Depth 2.0はOrbbec Depth Vision Labの専門評価に合格し、複数のセンサータイプにわたる空間的および時間的な深度推定タスクにおいて、極めて高い精度と安定性を実証した)
商用化の面では、Ant LingboはOrbbecと多くの分野で深い協力関係を築いています。情報によると、Orbbecの新しい「ノーボディ」データ収集製品ラインナップにおけるEGOデバイスの最新RGB-Dバージョンは、データ収集シナリオ向けにLingboが最適化したLingBot-Depthバージョンに適合される予定です。 将来的には、より高レベルの商用バージョンをさらに統合し、深度のギャップを継続的に埋め、物体のエッジや空間構造の詳細を最適化することで、具現化された知能モデルのトレーニング向けに、より正確で安定し、実用性の高い実世界データセットを提供していく予定です。
さらに、OrbbecはLingBot-Depthの最新モデル機能を統合したSDK製品をリリースし、ロボット顧客がエッジ環境で利用できるようにすることで、Gemini330シリーズカメラを搭載したロボットがより優れた深度効果を実現できるようにする。 また、同社は年末までにLingBot-Depthの商用版を統合したカメラ製品を発売し、「3Dカメラ+空間認識機能」の統合を実現する計画です。これら2つのモデルのリリースにより、両社の協業はさらに多くの分野へと拡大することが期待されます。
関連記事
スウェーデンのAIスタートアップ「Lovable」が主要な資金調達ラウンド終了後、132億ドルの評価額を達成
AI駆動のコーディングツールが注目を集める中、スウェーデンのスタートアップ企業Lovableは大型の資金調達ラウンドを獲得した。同社は30億ドルの調達を目指しており、これにより評価額が昨年12月に記録された66億ドルの倍となる132億ドルに達する可能性がある。この投資をリードするのはMenlo Venturesと見られている。Lovableの魅力は、複雑なコーディングスキルを不要とし、ソフトウェア作成を簡素化する中核の「ヴァイブコーディング」技術に由来する。ユーザーは自然言語で要件を記述するだ
Google、Geminiへの焦点がユーザー制御へシフトする中で、Remy AIエージェントをテスト
『Business Insider』によると、GoogleはGemini向けの新しいAIパーソナルエージェント「Remy」をテスト中である。このツールはユーザーに代わってタスクを実行することを目的としており、業務フローと日常のルーチンの両方を効率化する。現在、RemyはGeminiアプリケーションの社内限定版においてテストが行われている。この報道は社内文書と、プロジェクトに精通した2人の人物へのインタビューを引用している。社内資料では、Remyを「24時間365日のパーソナルエージェント」と位
Core Web Vitalsを修正してSEOランキングを向上させる方法
AIツールで報告書コメントの作成を効率化はじめに報告書コメント生成用のAIツールMagic SchoolAlmanac AIChat GPTMagic Schoolを使用した報告書コメントの生成Magic Schoolへのログイン報告書コメントツールの選択生徒向けのコメントのカスタマイズAlmanac AIを使用した報告書コメントの生成コースと評価基準の設定報告書の長さと生徒設定の構成Almanac AIによるコメントの生成Magic SchoolとAlmanac A
関連特集おすすめ
コメント (0)
0/500
7月7日、アント・グループ傘下のエンボディッド・インテリジェンス企業であるLingbo Technologyは、空間知覚モデル「LingBot-Depth 2.0」をリリースした。1億5000万サンプルのデータセットを用いて学習されたこのモデルは、エッジの鮮明度、微細な物体の認識、長距離の深度推定、および複雑なシナリオにおける頑健性において、包括的な改善を実現している。
LingBot-Depthは、Lingboが独自に開発した空間認識モデルであり、現実世界におけるロボットの「目」としての役割を果たす。初代バージョンは、透明や反射面といった困難なシナリオにおける空間認識の課題に対処していた。 バージョン1.0と比較して、LingBot-Depth 2.0の学習データは300万サンプルから1億5000万サンプルへと拡大し、全体的な性能が向上した。深度補完ベンチマークの16の評価項目のうち、12項目で1位を獲得した。 大規模な深度欠損が生じる最も困難な屋内シナリオにおいても、深度誤差は前世代と比較して半減しました(RMSEは0.132から0.062に低下)。ガラス、鏡、透明物体など、従来の深度カメラがしばしば機能不全に陥る状況において、特に優れた性能を発揮します。
同時に、LingBot-Depth 2.0では、その視覚基盤モデルであるLingBot-Visionが導入され、「理解」から「正確な知覚」に至る能力チェーンが構築されました。これは、空間知覚、詳細な認識、複雑な環境への適応など、ロボットビジョンにおける中核的な課題の解決を目指しています。

(図1:LingBot-Depth 2.0は、鏡やガラスといった困難なシナリオにおいても、完全かつ平坦な3D構造を構築する)
LingBot-Depth 2.0の画期的な成果は、LingBot-Visionの卓越した視覚表現能力に支えられている。 汎用視覚モデルであるLingBot-Visionは、業界で初めて「境界構造」を事前学習の目標として採用した視覚基盤モデルであり、空間認識の学習パラダイムにおいて画期的な進歩を遂げました。サブピクセルレベルの境界位置特定と空間構造の理解を実現し、より高精度で安定した空間認識を提供します。
LingBot-Visionの事前学習コーパスはわずか1億6000万枚の画像で構成されており、DINOv3に比べて1桁少ないにもかかわらず、その深度推定精度はDINOv3を上回っています。さらに、LingBot-Visionによる物体境界の判定は十分に安定しており、動画内での連続的な境界追跡を可能にしています。 今回のリリースには、ViT-G、ViT-L、ViT-B、ViT-Sの4つのバージョンが含まれています。
入手可能な情報によると、LingBot-VisionはLingBot-Depth 2.0の学習をサポートするだけでなく、他にもさまざまな用途に利用できる。

(図2:LingBot-Depth 2.0は、実際のセンサーを用いた深度補完テストで良好な性能を発揮している)

(図3:主流の視覚基盤モデルと比較して、LingBot-Visionは物体の境界や空間構造をより明確かつ安定して識別する)
現在、LingBot-Depth 2.0はOrbbec Depth Vision Labの専門認証を取得しています。 実用シナリオでのテストによると、Orbbec社のGemini330シリーズステレオ3Dカメラが提供するチップレベルの3D生データに基づき、LingBot-Depth 2.0は、エッジの鮮明度、物体の輪郭の完全性、微細な物体の認識、長距離深度推定、および複雑な照明や材質のシナリオにおける堅牢性を大幅に向上させることが示されています。

(図4:LingBot Depth 2.0はOrbbec Depth Vision Labの専門評価に合格し、複数のセンサータイプにわたる空間的および時間的な深度推定タスクにおいて、極めて高い精度と安定性を実証した)
商用化の面では、Ant LingboはOrbbecと多くの分野で深い協力関係を築いています。情報によると、Orbbecの新しい「ノーボディ」データ収集製品ラインナップにおけるEGOデバイスの最新RGB-Dバージョンは、データ収集シナリオ向けにLingboが最適化したLingBot-Depthバージョンに適合される予定です。 将来的には、より高レベルの商用バージョンをさらに統合し、深度のギャップを継続的に埋め、物体のエッジや空間構造の詳細を最適化することで、具現化された知能モデルのトレーニング向けに、より正確で安定し、実用性の高い実世界データセットを提供していく予定です。
さらに、OrbbecはLingBot-Depthの最新モデル機能を統合したSDK製品をリリースし、ロボット顧客がエッジ環境で利用できるようにすることで、Gemini330シリーズカメラを搭載したロボットがより優れた深度効果を実現できるようにする。 また、同社は年末までにLingBot-Depthの商用版を統合したカメラ製品を発売し、「3Dカメラ+空間認識機能」の統合を実現する計画です。これら2つのモデルのリリースにより、両社の協業はさらに多くの分野へと拡大することが期待されます。
スウェーデンのAIスタートアップ「Lovable」が主要な資金調達ラウンド終了後、132億ドルの評価額を達成
AI駆動のコーディングツールが注目を集める中、スウェーデンのスタートアップ企業Lovableは大型の資金調達ラウンドを獲得した。同社は30億ドルの調達を目指しており、これにより評価額が昨年12月に記録された66億ドルの倍となる132億ドルに達する可能性がある。この投資をリードするのはMenlo Venturesと見られている。Lovableの魅力は、複雑なコーディングスキルを不要とし、ソフトウェア作成を簡素化する中核の「ヴァイブコーディング」技術に由来する。ユーザーは自然言語で要件を記述するだ
Core Web Vitalsを修正してSEOランキングを向上させる方法
AIツールで報告書コメントの作成を効率化はじめに報告書コメント生成用のAIツールMagic SchoolAlmanac AIChat GPTMagic Schoolを使用した報告書コメントの生成Magic Schoolへのログイン報告書コメントツールの選択生徒向けのコメントのカスタマイズAlmanac AIを使用した報告書コメントの生成コースと評価基準の設定報告書の長さと生徒設定の構成Almanac AIによるコメントの生成Magic SchoolとAlmanac A





家






