今天，「空间原生」时代正式到来！

文章摘要

【关 键 词】 具身智能、空间感知、视觉模型、蚂蚁灵波、深度估计

针对机器人从表演模式向作业模式转型中面临的空间感知短板，蚂蚁灵波发布了新一代空间感知模型LingBot-Depth 2.0，并开源了空间原生视觉基础模型LingBot-Vision。该系列模型的核心在于将空间结构原生刻入训练目标，使机器人能够更准确地理解距离、边界和物理空间关系。

LingBot-Vision采用以边界为中心的掩码建模技术，在训练过程中强制模型预测并重建物体边界，从而同时学习语义和几何结构。在仅使用十分之一数据和不到三分之一训练量的情况下，该1.1B参数模型在深度估计等任务上达到了比肩7B参数基线模型的性能。此外，它单一模型即可覆盖分类、检测、分割和深度估计等核心视觉任务，为机器人平台有效节省了工程与算力成本。

基于LingBot-Vision，LingBot-Depth 2.0进一步提升了复杂环境下的深度感知能力。通过将编码器替换为LingBot-Vision并将训练数据扩大至1.5亿，该模型在大面积深度缺失以及透明、反光物体等场景下的深度补全表现卓越，在多项公开基准和真实商用相机测试中取得最优结果。研究同时发现，优秀的编码器初始化优势不仅不会被海量数据冲淡，反而会随数据增长持续放大。

空间原生视觉底座的开源与商业化应用，显著降低了下游企业验证机器人感知与操作能力的门槛。目前相关技术已集成至新一代数采设备并计划推出一体化硬件产品。这一进展标志着机器人视觉竞争的核心正从单纯的语义分类转向真实物理环境中的可靠空间感知，推动具身智能加速从实验室验证迈向真实场景落地。

原文和模型

【原文链接】 阅读原文 [ 3707字 | 15分钟 ]
【原文作者】 机器之心
【摘要模型】 qwen3.7-max-2026-05-20
【摘要评分】 ★★★★★

阿里云百炼

大模型服务平台是阿里云基于通义大模型等多种大模型的一站式大模型开发平台。