螞蟻集團(tuán)旗下具身智能公司靈波科技近日宣布開源高精度空間感知模型LingBot-Depth，標(biāo)志著三維視覺技術(shù)領(lǐng)域迎來突破性進(jìn)展。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)，通過融合光學(xué)傳感與深度學(xué)習(xí)技術(shù)，顯著提升了智能終端在復(fù)雜環(huán)境中的三維空間理解能力，為機(jī)器人、自動(dòng)駕駛等領(lǐng)域提供更精準(zhǔn)的視覺解決方案。

在權(quán)威基準(zhǔn)測試中，LingBot-Depth展現(xiàn)出顯著優(yōu)勢。NYUv2室內(nèi)場景測試顯示，其相對(duì)誤差（REL）較主流模型PromptDA與PriorDA降低超70%；ETH3D稀疏SfM任務(wù)中，RMSE誤差減少約47%，刷新行業(yè)精度紀(jì)錄。這一成果源于靈波科技研發(fā)的"掩碼深度建模"（MDM）技術(shù)，該技術(shù)通過整合RGB圖像的紋理、輪廓及環(huán)境上下文信息，可智能補(bǔ)全透明玻璃、反光鏡面等材質(zhì)導(dǎo)致的深度數(shù)據(jù)缺失，輸出邊緣清晰的三維深度圖。

實(shí)驗(yàn)數(shù)據(jù)顯示，搭載LingBot-Depth的奧比中光Gemini 330系列相機(jī)，在強(qiáng)逆光、復(fù)雜曲面等極端光學(xué)場景下，深度圖完整性較業(yè)界領(lǐng)先的ZED Stereo Depth相機(jī)提升顯著。其輸出的三維圖像不僅平滑無噪點(diǎn)，物體輪廓邊緣銳利度更達(dá)到消費(fèi)級(jí)設(shè)備新高度。這意味著現(xiàn)有硬件無需升級(jí)，即可通過軟件優(yōu)化實(shí)現(xiàn)對(duì)高反光、透明物體的精準(zhǔn)感知。

支撐模型性能的核心是靈波科技構(gòu)建的千萬級(jí)真實(shí)場景數(shù)據(jù)庫。研發(fā)團(tuán)隊(duì)采集近1000萬份原始樣本，篩選出200萬組高價(jià)值深度配對(duì)數(shù)據(jù)用于訓(xùn)練，同時(shí)整合100萬組仿真數(shù)據(jù)增強(qiáng)模型泛化能力。這套包含200萬真實(shí)世界深度數(shù)據(jù)和100萬仿真數(shù)據(jù)的核心資產(chǎn)將隨模型同步開源，為全球開發(fā)者攻克復(fù)雜場景空間感知難題提供關(guān)鍵資源。

據(jù)透露，奧比中光已與靈波科技達(dá)成戰(zhàn)略合作，計(jì)劃基于LingBot-Depth技術(shù)推出新一代深度相機(jī)產(chǎn)品。本周內(nèi)，靈波科技還將陸續(xù)開源多款具身智能領(lǐng)域的基礎(chǔ)模型，持續(xù)推動(dòng)三維視覺技術(shù)的開源生態(tài)建設(shè)。