蚂蚁集团发布LingBot-Depth 2.0空间感知模型，推动机器人视觉技术发展。

7月7日，蚂蚁集团旗下具身智能公司凌博科技发布了LingBot-Depth 2.0空间感知模型。该模型基于1.5亿样本的数据集进行训练，在边缘清晰度、细微物体识别、长距离深度估算以及复杂场景下的鲁棒性方面均实现了全面提升。

LingBot-Depth是凌博自主研发的空间感知模型，是机器人在物理世界中的“眼睛”。其首个版本解决了透明和反射表面等复杂场景下的空间感知难题。 与1.0版本相比，LingBot-Depth 2.0的训练数据从300万样本扩展至1.5亿样本，整体性能显著提升：在深度补全基准测试的16项评估指标中，该模型有12项位居榜首。 在深度数据大面积缺失的最具挑战性的室内场景中，其深度误差较上一代减半（RMSE 从 0.132 降至 0.062）。该模型在传统深度摄像头常失效的场景（如玻璃、镜面和透明物体）中表现尤为出色。

与此同时，LingBot-Depth 2.0 推出了其视觉基础模型 LingBot-Vision，构建了从“理解”到“精准感知”的能力链。该模型旨在解决机器人视觉中的核心挑战，包括空间感知、精细识别以及对复杂环境的适应。

（图1：LingBot-Depth 2.0在镜面和玻璃等困难场景中成功构建了完整且平坦的3D结构）

LingBot-Depth 2.0 的突破得益于 LingBot-Vision 卓越的视觉表征能力。 作为通用视觉模型，LingBot-Vision是业内首个将“边界结构”作为预训练目标的视觉基础模型，在空间感知训练范式上实现了突破。它具备亚像素级边界定位和空间结构理解能力，可提供更高精度、更稳定的空间感知。

LingBot-Vision 的预训练数据集仅包含 1.6 亿张图像，规模比 DINOv3 小一个数量级，但其深度估计精度却超越了 DINOv3。此外，LingBot-Vision 对物体边界的判断足够稳定，能够实现视频中的连续边界跟踪。 本次发布包含四个版本：ViT-G、ViT-L、ViT-B 和 ViT-S。

根据现有信息，LingBot-Vision 不仅支持 LingBot-Depth 2.0 的训练，还具备多种其他应用场景。

（图2：LingBot-Depth 2.0在真实传感器深度补全测试中表现优异）

（图3：与主流视觉基础模型相比，LingBot-Vision对物体边界和空间结构的识别更为清晰、稳定）

目前，LingBot-Depth 2.0 已通过 Orbbec Depth Vision Lab 的专业认证。 实际场景测试表明，基于 Orbbec Gemini330 系列立体 3D 相机提供的芯片级 3D 原始数据，LingBot-Depth 2.0 在边缘清晰度、物体轮廓完整性、精细物体识别、长距离深度估计以及复杂光照和材质场景下的鲁棒性方面均有显著提升。

（图4：LingBot Depth 2.0通过了Orbbec Depth Vision Lab的专业评估，在多种传感器上的时空深度估算任务中展现出极高的准确性和稳定性）

在商业化方面，蚂蚁灵博已与Orbbec在多个领域展开深度合作。据透露，Orbbec全新无人体数据采集产品矩阵中的EGO设备最新RGB-D版本，将适配灵博针对数据采集场景优化后的LingBot-Depth版本。 未来，该方案将进一步集成更高阶的商用版本，持续填补深度数据缺口，优化物体边缘及空间结构细节，为具身智能模型训练提供更精准、更稳定且更具实用性的真实世界数据集。

此外，Orbbec还将推出一款集成了LingBot-Depth最新模型能力的SDK产品，供机器人客户在边缘端使用，使搭载Gemini330系列摄像头的机器人能够实现更出色的深度效果。 双方还计划在今年年底前推出一款集成 LingBot-Depth 商用版的相机产品，实现“3D 相机 + 空间感知能力”的融合。随着这两款模型的发布，双方的合作有望扩展到更多领域。