蚂蚁灵波发布空间感知模型LingBot-Depth 2.0，并开源视觉基座LingBot-Vision

事件概述

7月7日，蚂蚁集团旗下具身智能公司灵波科技正式发布空间感知模型 LingBot-Depth 2.0，并同步推出视觉基座模型 LingBot-Vision。LingBot-Depth 2.0 在边缘清晰度、细小物体识别、远距离深度估计以及复杂场景鲁棒性等方面实现全面升级，训练数据规模从上一代的300万扩充至1.5亿。

核心性能提升

• 在深度补全基准的16项测评中，LingBot-Depth 2.0 获得12项第一。
• 最难的室内大面积深度缺失场景中，深度误差（RMSE）从0.132降至0.062，较1.0版减半。
• 在玻璃、镜面、透明物体等传统深度相机容易失灵的场景中表现尤为突出。

视觉基座模型 LingBot-Vision

• 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，具备亚像素级边界定位与空间结构理解能力。
• 预训练语料仅1.6亿张图像，比 DINOv3 小一个数量级，但深度估计精度优于 DINOv3。
• 该模型对物体边界的判定十分稳定，能在视频中连续追踪物体边界。
• 已开源四个版本：ViT-G、ViT-L、ViT-B、ViT-S。

商业化与生态合作

• LingBot-Depth 2.0 已通过奥比中光深度视觉实验室专业认证。基于奥比中光 Gemini 330 系列双目 3D 相机的芯片级原始数据，模型在边缘清晰度、物体轮廓完整性、细小物体识别、远距离深度估计以及复杂光照材质场景鲁棒性等方面均有明显提升。
• 奥比中光将推出集成 LingBot-Depth 最新模型能力的 SDK 产品，供机器人客户在端侧使用；并计划于年底推出集成 LingBot-Depth 商业版的一体化相机产品，实现“3D 相机 + 空间感知能力”的一体化交付。

开源状态

目前，LingBot-Depth 2.0 的技术报告以及 LingBot-Vision 的模型权重均已开源。灵波科技表示，希望以开放方式与行业共建机器人视觉底座，推动具身智能产业规模化落地。