蚂蚁集团旗下具身智能企业灵波科技近日宣布推出新一代空间感知模型LingBot-Depth 2.0，同步开源视觉基座模型LingBot-Vision的四个版本。这两款模型通过突破性技术架构，在机器人视觉领域实现多项性能突破，标志着具身智能向真实物理世界交互迈出关键一步。
作为机器人感知物理世界的核心组件，LingBot-Depth 2.0在1.0版本解决透明反光物体识别难题的基础上，将训练数据规模从300万提升至1.5亿。该模型在深度补全基准测试中斩获12项第一，在室内大面积深度缺失场景的深度误差较前代降低50%（RMSE值从0.132降至0.062），尤其在玻璃、镜面等传统深度相机易失效场景中表现突出。实际场景测试显示，配合奥比中光Gemini 330系列双目3D相机，模型在边缘清晰度、细小物体识别和复杂光照条件下的稳定性均有显著提升。
支撑此次升级的核心突破来自视觉基座模型LingBot-Vision。该模型首创将"边界结构"作为预训练目标，通过亚像素级边界定位能力，实现了空间结构理解的范式革新。尽管预训练语料仅1.6亿张图像（较DINOv3少一个数量级），其深度估计精度却超越后者，并能在视频流中稳定追踪物体边界。此次开源的ViT-G/L/B/S四个版本，可适配不同算力需求的硬件平台。
在商业化落地方面，灵波科技与奥比中光达成深度合作。双方联合推出的无本体数据采集设备EGO RGB-D版本，将集成专门优化的LingBot-Depth数采模型，后续还将升级商业版本以持续优化空间结构细节。奥比中光计划年底推出集成LingBot-Depth商业版的一体化相机，实现"3D感知+空间计算"的硬件级融合，同时开放支持Gemini 330系列的SDK工具包，帮助机器人企业快速部署深度感知能力。
目前两款模型的技术报告及LingBot-Vision权重已开源。灵波科技表示，通过开放核心视觉技术，旨在与行业共建机器人感知底座，突破真实场景中"看得准、看得稳"的技术瓶颈，为具身智能大规模应用提供关键基础设施。此次合作形成的"模型+硬件+数据"闭环生态，或将重新定义机器人视觉的技术标准与商业范式。
