维度网讯，蚂蚁集团旗下具身智能公司灵波科技7月7日发布空间感知模型LingBot-Depth 2.0，该模型基于1.5亿规模数据进行训练，在边缘清晰度、细小物体识别、远距离深度估计以及复杂场景鲁棒性等方面实现全面升级。

LingBot-Depth是灵波科技自研的空间感知模型，相当于机器人在物理世界的眼睛。上一版本已解决机器人看清透明、反光等复杂场景的空间感知难题。与LingBot-Depth 1.0相比，2.0版本的训练数据从300万扩充至1.5亿规模，性能全面升级：在深度补全基准的16项测评中获得12项第一；在最难的室内大面积深度缺失场景中，深度误差较上一代减半，RMSE从0.132降至0.062；在玻璃、镜面、透明物体等传统深度相机最容易失灵的场景中表现尤为突出。

此次还同步推出LingBot-Depth 2.0的视觉基座模型LingBot-Vision，构建起机器人从“看懂”到“看准”的能力链路，旨在应对机器人视觉在空间感知、精细识别和复杂环境适应等方面的核心挑战。

LingBot-Depth 2.0的突破性进展得益于LingBot-Vision突出的视觉表征能力。作为一款通用视觉模型，LingBot-Vision是业内首个把“边界结构”作为预训练目标的视觉基础模型，实现了空间感知训练范式的突破，拥有亚像素级的边界定位与空间结构理解能力，实现了更高精度、更稳定的空间感知能力。

LingBot-Vision的预训练语料仅为1.6亿张图像，比DINOv3小一个数量级，深度估计精度却优于DINOv3；并且，LingBot-Vision对物体边界的判定足够稳定，能在视频中连续追踪物体边界。LingBot-Vision本次开源了4个版本：ViT-G/L/B/S。

据了解，LingBot-Vision除了支持LingBot-Depth 2.0的训练，还具备“一模多用”的通用能力。

目前，LingBot-Depth 2.0已通过奥比中光深度视觉实验室专业认证。实际场景测试显示，基于奥比中光Gemini 330系列双目3D相机提供的芯片级3D原始数据，LingBot-Depth 2.0在边缘清晰度、物体轮廓完整性、细小物体识别、远距离深度估计及复杂光照、材质场景下的鲁棒性等方面均有明显提升。

在商业化方面，蚂蚁灵波已与奥比中光在诸多方面展开深度合作。据了解，奥比中光最新推出的无本体数据采集产品矩阵中，RGB-D版本的EGO设备会适配灵波科技专门为数采场景优化的LingBot-Depth版本，后续还将进一步集成更高级别商业版本模型，持续补全深度缺失、优化物体边缘和空间结构细节，为具身智能模型训练提供更精准、更稳定、更可用的真实世界数据底座。

此外，奥比中光将推出集成LingBot-Depth最新模型能力的SDK产品，供机器人客户在端侧使用，让使用Gemini 330系列相机的机器人获得更好的深度效果；并计划于年底推出集成LingBot-Depth商业版的一体化相机产品，实现“3D相机+空间感知能力”的一体化交付。随着两款模型的发布，双方合作有望延展至更多领域。

目前，两款模型的技术报告、LingBot-Vision的模型权重已开源。蚂蚁灵波科技表示，希望以开放的方式与行业共建机器人视觉底座，让机器人突破在真实物理世界中“看懂、看准、看稳”的行业瓶颈，加速具身产业规模化落地。