7月7日，蚂蚁集团旗下的具身智能企业灵波科技正式推出全新空间感知模型 lingbot-depth2.0。该模型依托1.5亿级规模数据集训练而成，在边缘锐利度、微小物体识别能力、远距离深度预测精度以及复杂环境下的稳定性等关键维度实现整体跃升。
LingBot-Depth 是灵波科技自主研发的空间感知核心模型，被形象地称为机器人在真实世界中的“视觉之眼”。初代 LingBot-Depth1.0 已成功攻克透明材质、镜面反射等高难度场景下的空间理解难题。相较前代，LingBot-Depth2.0 的训练数据量从300万激增至1.5亿，性能实现全方位突破：在深度补全权威基准测试的16项指标中，斩获12项榜首；面对最具挑战性的室内大范围深度缺失场景，其深度误差显著降低50%（RMSE由0.132优化至0.062）；尤其在玻璃、镜面及各类透明物体等传统深度传感器极易失效的典型场景中，展现出卓越的鲁棒性与准确性。
与此同时，灵波科技同步发布 LingBot-Depth2.0 的视觉基座模型——LingBot-Vision，构建起从“看懂”到“看准”的完整视觉能力闭环，直击机器人视觉系统在空间建模、精细识别与多变环境适应等方面的共性瓶颈。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
（图说1:LingBot-Depth2.0在镜面、玻璃等困难场景中补全出完整、平整的三维结构）
LingBot-Depth2.0 的跨越式进步，离不开 LingBot-Vision 强大的视觉表征能力支撑。作为一款通用型视觉基础模型，LingBot-Vision 是业界首个将“边界结构”设为预训练核心目标的视觉大模型，开创了空间感知模型训练的新范式。它具备亚像素级的边界定位精度与深层空间结构解析能力，从而达成更高精度、更强一致性的空间感知输出。
尽管 LingBot-Vision 的预训练图像语料仅1.6亿张，体量比 DINOv3 小一个数量级，但其深度估计精度已超越 DINOv3；更关键的是，其对物体边界的判别具备高度时序稳定性，可在连续视频帧中精准追踪物体轮廓。本次 LingBot-Vision 开源了 ViT-G/L/B/S 四个不同参数量级的版本。
据悉，LingBot-Vision 不仅服务于 LingBot-Depth2.0 的训练，还具备“一模多用”的泛化能力，可灵活适配多种下游视觉任务。
（图说2:LingBot-Depth2.0在真实传感器深度补全测试中表现领先）
Gemini Notebook网页版是一款基于AI的智能笔记工具，其核心功能是让用户上传个人文档（如PDF、文本等），并以此为基础进行交互。它能针对你的资料进行总结、解答疑问、生成新内容，让信息处理更高效。该版本为在线使用，无需下载安装。
（图说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清晰、更稳定）
目前，LingBot-Depth2.0 已通过奥比中光深度视觉实验室的专业认证。实测结果表明，在基于奥比中光 Gemini330 系列双目3D相机提供的芯片级原始3D数据基础上，LingBot-Depth2.0 在边缘清晰度、物体轮廓完整性、细小目标识别、远距深度估算，以及强弱光照、多样材质等复杂条件下的系统鲁棒性等方面，均取得显著提升。
（图说4:LingBot Depth2.0通过奥比中光深度视觉实验室专业评测，在多型号传感器的空间和时域深度估计任务上都展现了极高的精度和稳定性）
在商业化落地层面，蚂蚁灵波已与奥比中光建立深度协同关系。据透露，奥比中光最新发布的无本体数据采集产品矩阵中，RGB-D 版本的 EGO 设备将预装灵波科技专为数采场景定制优化的 LingBot-Depth 轻量版；后续还将持续集成更高级别的商业增强模型，进一步强化深度缺失区域的重建能力、优化物体边缘质量与空间结构细节，为具身智能模型训练提供更高质量、更可靠、更易用的真实世界数据基础设施。
此外，奥比中光即将推出集成 LingBot-Depth 最新能力的端侧 SDK，赋能搭载 Gemini330 系列相机的机器人设备，显著提升其本地化深度感知效果；并计划于今年年底发布内置 LingBot-Depth 商业版的一体化3D相机新品，真正实现“3D传感硬件 + 空间感知算法”的软硬一体化交付。随着两大模型的联合发布，双方合作有望向更多技术与应用领域纵深拓展。
当前，LingBot-Depth2.0 与 LingBot-Vision 的技术白皮书，以及 LingBot-Vision 全系列模型权重均已面向全球开源。蚂蚁灵波科技表示，将持续以开放姿态携手产业伙伴共建机器人视觉底层能力，助力行业突破“看懂、看准、看稳”这一真实物理世界交互的核心瓶颈，加速具身智能技术的大规模产业化进程。
