螞蟻集團發布 LingBot-Depth 2.0 空間感知模型，推動機器人視覺技術發展。

7月7日，螞蟻集團旗下具身智慧公司「凌博科技」正式推出「LingBot-Depth 2.0」空間感知模型。該模型基於1.5億個樣本的資料集進行訓練，在邊緣清晰度、細微物體辨識、長距離深度估算，以及複雜場景下的穩健性等方面均實現了全面提升。

LingBot-Depth 是凌波自主研發的空間感知模型，是機器人在實體世界中的「眼睛」。其首個版本解決了透明及反射表面等困難情境下的空間感知挑戰。 相較於 1.0 版，LingBot-Depth 2.0 的訓練資料量從 300 萬個樣本擴增至 1.5 億個樣本，整體性能亦有所提升：在深度補全基準測試的 16 項評估指標中，該模型共奪得 12 項第一名。 在存在大範圍深度缺失的最具挑戰性室內場景中，其深度誤差較上一代減少了一半（RMSE 從 0.132 降至 0.062）。該模型在傳統深度相機常會失效的場景中表現尤為出色，例如玻璃、鏡面及透明物體。

同時，LingBot-Depth 2.0 推出了其視覺基礎模型 LingBot-Vision，構建了從「理解」到「精準感知」的能力鏈。此舉旨在解決機器人視覺中的核心挑戰，包括空間感知、精細識別以及對複雜環境的適應能力。

（圖 1：LingBot-Depth 2.0 能在鏡面和玻璃等困難情境下，完整重建平坦的 3D 結構）

LingBot-Depth 2.0 的突破，仰賴於 LingBot-Vision 卓越的視覺表徵能力。 作為通用視覺模型，LingBot-Vision 是業界首個將「邊界結構」作為預訓練目標的視覺基礎模型，在空間感知訓練範式上實現了突破。它具備亞像素級的邊界定位與空間結構理解能力，可提供更高精度且更穩定的空間感知。

LingBot-Vision 的預訓練資料集僅包含 1.6 億張圖像，規模比 DINOv3 小一個數量級，但其深度估計準確度卻超越了 DINOv3。此外，LingBot-Vision 對物體邊界的判斷足夠穩定，足以在影片中實現連續的邊界追蹤。 本次發布包含四個版本：ViT-G、ViT-L、ViT-B 及 ViT-S。

根據現有資訊，LingBot-Vision 不僅支援 LingBot-Depth 2.0 的訓練，還具備多種其他應用方式。

（圖 2：LingBot-Depth 2.0 在真實感測器深度補全測試中表現優異）

(圖 3：相較於主流視覺基礎模型，LingBot-Vision 能更清晰且穩定地識別物體邊界與空間結構)

目前，LingBot-Depth 2.0 已通過 Orbbec Depth Vision Lab 的專業認證。 實務場景測試顯示，基於 Orbbec Gemini330 系列立體 3D 攝影機所提供的晶片級 3D 原始資料，LingBot-Depth 2.0 在邊緣清晰度、物體輪廓完整性、細微物體辨識、長距離深度估算，以及複雜光照與材質場景下的穩健性方面均有顯著提升。

（圖 4：LingBot Depth 2.0 通過 Orbbec Depth Vision Lab 的專業評估，在多種感測器的時空深度估算任務中展現出極高的準確度與穩定性）

在商業化方面，螞蟻靈博已與 Orbbec 在多個領域展開深度合作。據悉，Orbbec 新型無實體數據採集產品矩陣中的 EGO 裝置最新 RGB-D 版本，將採用靈博針對數據採集場景所優化的 LingBot-Depth 版本。 未來，該方案將進一步整合更高階的商用版本，持續填補深度測量缺口，優化物體邊緣與空間結構細節，並為具身智能模型的訓練提供更精準、穩定且實用的真實世界數據庫。

此外，Orbbec 將推出整合 LingBot-Depth 最新模型功能的 SDK 產品，供機器人客戶在邊緣端使用，使採用 Gemini330 系列相機的機器人能實現更佳的深度效果。 雙方亦計畫於年底前推出內建 LingBot-Depth 商用版的整合式相機產品，實現「3D 相機 + 空間感知能力」的整合。隨著這兩款模型的發布，雙方合作預計將拓展至更多領域。