螞蟻集團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，標志著三維視覺技術(shù)領(lǐng)域迎來突破性進展。該模型基于奧比中光Gemini 330系列雙目3D相機的原始數(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，為機器人、自動駕駛等領(lǐng)域提供更精準的視覺解決方案。

在權(quán)威基準測試中，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。

實驗數(shù)據(jù)顯示，搭載LingBot-Depth的奧比中光Gemini 330系列相機，在強逆光、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相機提升顯著。其輸出的三維圖像不僅平滑無噪點，物體輪廓邊緣銳利度更達到消費級設(shè)備新高度。這意味著現(xiàn)有硬件無需升級，即可通過軟件優(yōu)化實現(xiàn)對高反光、透明物體的精準感知。

支撐模型性能的核心是靈波科技構(gòu)建的千萬級真實場景數(shù)據(jù)庫。研發(fā)團隊采集近1000萬份原始樣本，篩選出200萬組高價值深度配對數(shù)據(jù)用于訓(xùn)練，同時整合100萬組仿真數(shù)據(jù)增強模型泛化能力。這套包含200萬真實世界深度數(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成戰(zhàn)略合作，計劃基于LingBot-Depth技術(shù)推出新一代深度相機產(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)推動三維視覺技術(shù)的開源生態(tài)建設(shè)。