具身智能新突破 蚂蚁集团开源LingBot-Vision 让机器人拥有空间感
具身智能领域一直面临一个核心挑战：如何让机器人像人类一样精准感知物理空间？过去的视觉模型大多专注于“识别物体”——画面里有什么？然而，当机器人真正执行任务时，最关键的信息其实是物体的边界、轮廓与深度。最近，蚂蚁集团旗下的具身智能企业Robbyant正式开源了LingBot-Vision模型家族，彻底
具身智能领域一直面临一个核心挑战：如何让机器人像人类一样精准感知物理空间？过去的视觉模型大多专注于“识别物体”——画面里有什么？然而，当机器人真正执行任务时，最关键的信息其实是物体的边界、轮廓与深度。最近，蚂蚁集团旗下的具身智能企业Robbyant正式开源了LingBot-Vision模型家族，彻底改变了这一优先级的排序。
LingBot-Vision采用了一条截然不同的技术路径：将“边界”作为预训练信号。借助掩码边界建模技术，模型能够自动识别图像中信息最丰富的边缘区域，并将这些边界作为训练的核心焦点。这样一来，模型不仅掌握了语义理解，还同步涌现出强大的几何空间感知能力——既明白画面中“是什么”，又能精确判断“在哪里”以及“有多大”。
在性能表现上，更值得关注的是：旗舰模型ViT-g/16仅有11亿参数，却在NYU-Depth v2等深度估计任务中取得了最优结果——直接超越了拥有70亿参数的DINOv3，而训练所消耗的语料库规模仅为后者的三分之一。对于算力受限的部署环境，团队还提供了从3亿参数到更小尺寸的蒸馏版本，确保在不同硬件规格下都能保持领先的密集预测性能。
为直观展示技术的落地价值，研发团队同步升级了深度补全系统LingBot-Depth2.0。实测数据显示，在处理透明物体这类传统视觉感知的“盲区”时，准确率提升显著。更关键的是，随着数据量的增加，LingBot-Vision的性能曲线持续优化，并未出现传统模型常见的饱和现象——这进一步证明，以边界为核心的空间感知架构在复杂现实场景中拥有巨大潜力。
目前，LingBot-Vision已在Hugging Face平台上以Apache-2.0协议完全开源，包含从giant到small四个尺寸的权重及推理代码。开发人员可以借助更低的算力成本，为机器人赋予更加敏锐的物理感知能力，推动具身智能迈向更精确的交互未来。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：具身智能新突破 蚂蚁集团开源LingBot-Vision 让机器人拥有空间感要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点最近留意到一款AI聊天机器人构建工具——Craftman，它的核心思路很有意思：让企业或个人能用自己已有的数据来训练ChatGPT，然后直接嵌入到网站上做智能客服或问答助手。简单来说，就是把通用大模型变成你的专属知识库响应系统。什么是Craftman？Craftman是一个AI聊天机器人构建平台，允
如果告诉你，现在借助AI技术就能一键生成时长16秒、分辨率达1080P的高清视频，并且画面流畅自然、物理规律真实可信，你是不是觉得有些不可思议？事实上，这就是Vidu——由中国生数科技与清华大学联合打造的全球首个长时长、高一致性、高动态性视频大模型。它采用独创的Diffusion与Transform
想象一下，你拥有一个庞大而复杂的知识库，里面堆满了各类文档、PDF文件以及YouTube视频教程。过去想要查找某份资料，往往需要翻遍目录、反复尝试关键词搜索，效率低下令人困扰。如今，借助Hansei这款知识库管理工具，一切变得轻松高效——你只需像与朋友聊天一样，用自然语言提出需求，AI助手就能从你的
Blinkn是基于ChatGPT的智能电商购物助手，具备语义理解、精准产品推荐与比较、多语言支持等功能，可与主流平台无缝集成并个性化定制，提供7×24小时实时客服，高效解决购物疑问，显著减少决策摩擦，提升转化率与用户体验。
- 日榜
- 周榜
- 月榜
热点快看