2.7TB高质量数据开源，蚂蚁灵波打造空间智能SOTA新基座

事件概述

具身智能领域长期面临高质量三维数据匮乏的瓶颈，导致机器人难以应对玻璃、镜面等复杂场景。为此，蚂蚁灵波（Ant Lingbo）正式开源了全栈空间智能数据基建 LingBot-Depth-Dataset，旨在通过软件手段提升机器人的空间感知能力，减少对昂贵硬件传感器的过度依赖。

核心信息

1. 数据集规模与构成

• 总规模：2.71TB（约2700GB）。
• 数据总量：包含300万对标注RGB-D数据。
• 数据分布：
  • 真实数据（RobbyReal）：约200万对。其中140万对来自多台RGB-D相机采集的真实室内场景（住宅、教室、博物馆、医院等），58万对来自机器人在VLA任务中的采集数据（RobbyVla）。
  • 合成数据（RobbySim）：约100万对，由双相机视角渲染生成，用于覆盖边缘场景并降低成本。
  • 验证集（RobbySimVal）：3.8万条仿真数据。

2. 技术特性与多样性

• 多传感器覆盖：数据采集使用了 Orbbec 335/335L 以及 Intel RealSense D405/D415/D435/D455 共6款主流深度相机。不同设备的成像特性、噪声模式和深度精度差异，使数据集天然具备多传感器分布特征，增强了模型的泛化能力。
• 解决痛点：针对传统RGB-D相机在透明物体（镜子、玻璃门）、反光表面及低纹理墙面失效的问题，该数据集提供了高质量的“真值深度图”作为训练底座，帮助模型学会识别和补全这些困难场景。

3. 模型成果与应用

基于该数据集训练的模型已实现业界领先（SOTA）：

• LingBot-Depth：在 iBims、NYUv2 和 DIODE 等多项权威深度补全基准测试中取得第一。部署后能驱动机器人稳健抓取透明和反光物体。
• LingBot-VLA：打通视觉、语言与动作，实现决策规划。
• LingBot-World：提供仿真训练场。
• LingBot-VA：实现世界模型直接驱动机器人动作，达成“边推演，边执行”。

值得关注

• 行业范式转变：此次开源体现了物理AI（Physical AI）领域的共识——优先通过高质量数据和算法架构升级来提升空间感知能力，而非单纯堆砌更多或更贵的传感器。这一思路与自动驾驶行业的发展路径高度一致，有望降低具身智能的商业化门槛。
• 生态建设：蚂蚁灵波正逐步构建从感知到决策的具身智能“大脑平台”，其开源策略为行业提供了可复用的数据基座，有助于加速整个生态的技术迭代。