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
DeepMindのCEOハサビス氏:1日6時間睡眠し、通常午前1時頃に活力を感じます。
フォーチュンは最近、Google DeepMindのCEOであるデミス・ハサビスへのインタビューを掲載し、彼の休息と生産性に対する非伝統的なアプローチを明らかにした。ハサビスは、睡眠時間が非常に短いことを明かし、覚醒時間を2つの明確な作業ブロックに構造化していると語った。彼の睡眠習慣について、ハサビスは「6時間の睡眠を目標としているが、私の習慣は典型的ではない。一日中効果的に機能できる」と述べた。彼は、6時間未満の睡眠は脳の健康に悪影響を及ぼすことを強調した。2010年にDeepMindを共
OpenAIとAnthropic、収益の伸び悩みにもかかわらず市場シェア争いを繰り広げる
OpenAIが収益目標を達成できなかったとする最近の報道を受け、今週火曜日にハイテク株に売り圧力が生じたにもかかわらず、AI研究機関への民間投資家は依然として堅調だ。経験豊富な出資者たちは、メディアによる否定的な報道にもかかわらず、投資額を減らすつもりはないことを明らかにしている。アナリストらは、現在のAI競争はまだ初期段階にあると見ており、「勝者総取り」という結末はあり得ないと見ている。高いコン
カリフォルニア州の自動運転車規制:違反切符、ジオフェンス、そして100万マイルという新たな時代
Guident社は南フロリダでAuveTechのシャトルを運行しており、同社の遠隔監視技術を活用して、ウェストパームビーチでの4マイルのルートとボカラトンでの1マイルのルートを管理している。 | 提供:Guidentカリフォルニア州は、自動運転車の規制環境を再定義しつつあり、テクノロジー業界の「迅速に動き、失敗を恐れない」という考え方から、厳格な説明責任と厳しい走行距離要件へと移行している。Gui
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。
DeepMindのCEOハサビス氏:1日6時間睡眠し、通常午前1時頃に活力を感じます。
フォーチュンは最近、Google DeepMindのCEOであるデミス・ハサビスへのインタビューを掲載し、彼の休息と生産性に対する非伝統的なアプローチを明らかにした。ハサビスは、睡眠時間が非常に短いことを明かし、覚醒時間を2つの明確な作業ブロックに構造化していると語った。彼の睡眠習慣について、ハサビスは「6時間の睡眠を目標としているが、私の習慣は典型的ではない。一日中効果的に機能できる」と述べた。彼は、6時間未満の睡眠は脳の健康に悪影響を及ぼすことを強調した。2010年にDeepMindを共
OpenAIとAnthropic、収益の伸び悩みにもかかわらず市場シェア争いを繰り広げる
OpenAIが収益目標を達成できなかったとする最近の報道を受け、今週火曜日にハイテク株に売り圧力が生じたにもかかわらず、AI研究機関への民間投資家は依然として堅調だ。経験豊富な出資者たちは、メディアによる否定的な報道にもかかわらず、投資額を減らすつもりはないことを明らかにしている。アナリストらは、現在のAI競争はまだ初期段階にあると見ており、「勝者総取り」という結末はあり得ないと見ている。高いコン





家






