在机器人技术领域，一场关于视觉感知的革新正悄然展开。蚂蚁灵波近日宣布，其自主研发的空间感知模型LingBot-Depth 2.0正式面世，同时开源了视觉基座模型LingBot-Vision，为机器人视觉技术带来了全新的解决方案。这一组合不仅在学术评测中取得了优异成绩，更在实际应用中展现出强大的潜力。
LingBot-Depth 2.0的发布，标志着机器人空间感知能力迈上新台阶。该模型在16个公开数据集的深度补全评测中，一举夺得12项第一，尤其在边缘清晰度、细小物体识别、远距离检测和复杂场景鲁棒性四个关键维度上实现了全面提升。这一突破得益于训练数据规模的显著扩大——从1.0版本的300万样本增至1.5亿，以及模型基底从DINOv2编码器升级为LingBot-Vision编码器。数据规模的扩大与模型基底的优化形成了良性循环，使得LingBot-Depth 2.0在处理复杂场景时更加得心应手。
传统深度相机在面对玻璃、镜面等反光物体时，往往难以提供准确的深度信息，导致机器人任务中断。而LingBot-Depth 2.0则展现出卓越的适应性，能够将这些区域的深度信息补全为稳定连续的表面，输出结构完整、边界清晰的空间地图。例如，在玻璃门场景中，该模型能够准确识别并补全深度信息，为机器人执行任务提供可靠支持。
LingBot-Depth 2.0的出色表现，离不开其底层支撑——LingBot-Vision视觉基座模型。这一模型从设计之初就聚焦于机器人场景，采用“空间原生”的训练范式，更加关注真实世界中的空间结构。通过引入几何约束和边界中心的掩码建模机制，LingBot-Vision能够同时学习语义信息和几何结构，不仅知道“这是什么”，更清楚“它长什么样、边界在哪、与周围物体是什么关系”。这种训练方式使得模型在保持全局判别力的同时，不会丢失局部几何结构，从而输出连贯且边界清晰的区域特征。
LingBot-Vision的另一个显著优势在于其“一专多能”的特性。一个模型即可覆盖分类、检测、分割、深度估计等全部核心视觉任务，大幅降低了机器人系统的复杂度。这一特性使得LingBot-Vision成为机器人视觉领域的理想基座模型，为下游任务的开发提供了强大支持。
技术的价值最终体现在实际应用中。国产3D视觉龙头奥比中光已将LingBot-Depth 2.0集成进其数据采集设备和SDK，并计划年底推出集成商业版模型的一体化相机。这一合作不仅验证了LingBot-Depth 2.0的工程价值，也标志着蚂蚁灵波正式进入机器人产业链，成为视觉基础设施的重要提供者。通过与奥比中光的深度绑定，蚂蚁灵波正在推动机器人视觉技术从模型走向生态，降低整个行业使用高质量视觉和空间感知能力的门槛。
