蚂蚁集团旗下具身智能公司灵波科技近日宣布推出新一代空间感知模型LingBot-Depth 2.0，同时发布视觉基座模型LingBot-Vision。这两款模型在机器人视觉领域实现多项技术突破，特别是在复杂场景下的空间感知能力达到行业领先水平。
LingBot-Depth 2.0作为灵波科技自主研发的空间感知模型，其训练数据规模从初代的300万张扩展至1.5亿张，实现了边缘清晰度、细小物体识别和远距离深度估计等核心指标的全面提升。在深度补全基准测试中，该模型在16项测评指标中斩获12项第一，特别是在室内大面积深度缺失场景中，深度误差较上一代降低50%（RMSE从0.132降至0.062）。针对玻璃、镜面等传统深度相机难以处理的场景，新模型展现出卓越的补全能力，能够精准还原完整、平整的三维结构。
支撑LingBot-Depth 2.0突破性进展的是全新发布的视觉基座模型LingBot-Vision。这款通用视觉模型创新性地将"边界结构"作为预训练目标，通过亚像素级边界定位技术，实现了对物体空间结构的精准理解。尽管其预训练语料仅1.6亿张图像，规模小于同类模型DINOv3一个数量级，但在深度估计精度和边界稳定性方面表现更优。该模型具备视频流中连续追踪物体边界的能力，目前已开源ViT-G/L/B/S四个版本供行业使用。
在技术验证方面，LingBot-Depth 2.0通过奥比中光深度视觉实验室的专业认证。基于Gemini 330系列双目3D相机提供的原始数据，新模型在物体轮廓完整性、复杂光照条件下的鲁棒性等关键指标上均有显著提升。实际场景测试显示，该模型在多型号传感器的空间和时域深度估计任务中，展现出极高的精度和稳定性。
商业化合作方面，灵波科技与奥比中光达成深度战略合作。双方将共同开发适配数据采集场景的优化版LingBot-Depth模型，并集成到最新推出的无本体数据采集产品矩阵中。奥比中光计划年底推出集成商业版模型的一体化相机，实现"3D相机+空间感知能力"的软硬件一体化交付。面向机器人客户的SDK产品即将上市，可使搭载Gemini 330相机的设备获得更优质的深度感知效果。
目前，两款模型的技术报告和LingBot-Vision的模型权重已向行业开源。灵波科技表示，希望通过开放合作的方式，与产业界共同构建机器人视觉技术底座，突破真实物理世界中"看懂、看准、看稳"的技术瓶颈，推动具身智能技术的规模化应用落地。
