机器人终于能看清玻璃杯了!1.5亿样本训练的空间感知模型让透明物体识别不再翻车
机器人在实验室里能精准抓取透明水杯,却在家庭环境里一头撞上玻璃门——这类“看不清”导致的落地难题,困扰具身智能行业很久了。问题的根源在于传统深度相机在玻璃、反光表面、昏暗角落等场景下,数据经常出现大面积空洞或错误回波,让机器人拿到的是一张“残缺的地图”。蚂蚁灵波最新发布的LingBot-Depth 2.0空间感知模型,试图从算法层面系统性解决这个痛点。1
数据规模暴增50倍,16项测评拿了12个第一
透明、反光、昏暗:以前“看不见”的地方现在能看清了
SDK和一体化相机年底落地,机器人厂商怎么接入
老设备能升级吗?消费级相机能不能用
对于有数据采集需求的开发者,奥比中光RGB-D版EGO设备提供了端到端的方案——从数据采集到模型适配,硬件和算法协同优化,减少调试成本。如果追求极致性价比,第一代LingBot-Depth模型已开源,开发者可以在魔搭社区或HuggingFace下载,自己在现有数据集上微调。8
| 维度 | LingBot-Depth 1.0 | LingBot-Depth 2.0 |
|---|---|---|
| 训练数据规模 | 300万样本 | 1.5亿样本 |
| 深度补全基准成绩 | 多项第一 | 16项中12项第一 |
| 室内深度缺失场景RMSE | 0.132 | 0.062(降低约50%) |
| 透明/反光场景表现 | 基本可用 | 完整、平整的三维结构 |
| 细小物体识别 | 易漏检 | 显著增强 |
| 远距离深度估计 | 不稳定 | 扎实可靠 |
| 开源状态 | 已开源 | 已发布,SDK年底推出 |
当前文章无评论,是时候发表评论了