螞蟻集團(tuán)旗下具身智能公司靈波科技近日宣布開源其高精度空間感知模型LingBot-Depth，這一進(jìn)展為機(jī)器人與自動駕駛領(lǐng)域帶來新的技術(shù)突破。該模型基于奧比中光Gemini 330系列雙目3D相機(jī)的原始數(shù)據(jù)開發(fā)，通過提升環(huán)境深度感知與三維空間理解能力，使智能終端能夠更精準(zhǔn)地"看懂"三維世界，有效解決了傳統(tǒng)深度相機(jī)在復(fù)雜場景下的性能瓶頸。

在權(quán)威基準(zhǔn)測試中，LingBot-Depth展現(xiàn)出顯著優(yōu)勢。對比主流模型PromptDA與PriorDA，該模型在室內(nèi)場景的相對誤差（REL）降低超70%，在稀疏SfM任務(wù)中的RMSE誤差下降約47%，刷新了行業(yè)精度記錄。這一突破得益于其獨(dú)特的"掩碼深度建模"技術(shù)，該技術(shù)通過融合RGB圖像的紋理、輪廓及環(huán)境上下文信息，能夠智能補(bǔ)全深度數(shù)據(jù)缺失區(qū)域，生成邊緣更清晰的三維深度圖。

針對透明玻璃、高反光鏡面等傳統(tǒng)深度相機(jī)的感知難題，LingBot-Depth通過奧比中光深度視覺實驗室驗證，在復(fù)雜光學(xué)場景下仍能輸出平滑完整的深度圖。實驗數(shù)據(jù)顯示，搭載該模型的Gemini 330系列在透明及反光場景中的表現(xiàn)明顯優(yōu)于Stereolabs的ZED深度相機(jī)，物體輪廓邊緣銳利度提升顯著，且無需升級傳感器硬件即可實現(xiàn)性能躍升。

支撐模型性能的核心是靈波科技構(gòu)建的龐大真實場景數(shù)據(jù)集。研發(fā)團(tuán)隊采集近千萬份原始樣本，篩選出200萬組高價值深度配對數(shù)據(jù)用于訓(xùn)練，其中包含200萬真實世界數(shù)據(jù)和100萬仿真數(shù)據(jù)。這套核心數(shù)據(jù)資產(chǎn)將隨模型同步開源，為行業(yè)攻克復(fù)雜場景空間感知難題提供關(guān)鍵資源。目前，靈波科技已與奧比中光達(dá)成戰(zhàn)略合作，雙方計劃基于該模型聯(lián)合開發(fā)新一代深度相機(jī)產(chǎn)品。

據(jù)悉，靈波科技將于近期陸續(xù)開源多款具身智能方向模型，持續(xù)推動空間智能技術(shù)的開源生態(tài)建設(shè)。此次LingBot-Depth的開源不僅為學(xué)術(shù)界提供研究基礎(chǔ)，也為工業(yè)界降低三維視覺技術(shù)應(yīng)用門檻，加速智能終端在家庭、物流、制造等場景的落地進(jìn)程。