蚂蚁灵波发布空间感知模型LingBot-Depth 2.0与视觉基座LingBot-Vision

7月7日，蚂蚁集团旗下具身智能公司灵波科技发布空间感知模型 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。

核心性能全面升级

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。相比 1.0 版，2.0 版的训练数据从 300 万扩充至 1.5 亿规模：
- 在深度补全基准的 16 项测评中获得 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。

同步推出视觉基座模型 LingBot-Vision

此次同步推出的视觉基座模型 LingBot-Vision，构建起机器人从“看懂”到“看准”的能力链路。作为业内首个把“边界结构”作为预训练目标的视觉基础模型，它拥有亚像素级的边界定位与空间结构理解能力。
- 训练效率高：预训练语料仅为 1.6 亿张图像，比 DINOv3 小一个数量级，深度估计精度却优于 DINOv3。
- 边界判定稳定：能在视频中连续追踪物体边界。
- 版本开源：本次开源了 ViT-G/L/B/S 4个版本。

商业化落地与生态合作

目前，LingBot-Depth 2.0 已通过奥比中光深度视觉实验室专业认证。基于奥比中光 Gemini 330 系列双目 3D 相机提供的数据，该模型在边缘清晰度、物体轮廓完整性等方面均有明显提升。

在商业化方面，蚂蚁灵波已与奥比中光展开深度合作：
- 奥比中光最新推出的 RGB-D 版本 EGO 设备将适配灵波科技优化的 LingBot-Depth 版本。
- 奥比中光将推出集成 LingBot-Depth 最新模型能力的 SDK 产品，供机器人客户在端侧使用。
- 计划于年底推出集成 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。

目前，两款模型的技术报告及 LingBot-Vision 的模型权重已开源。蚂蚁灵波科技希望以开放方式与行业共建机器人视觉底座，加速具身产业规模化落地。