蚂蚁这回搞大了：LingBot-Depth 2.0 1.5亿数据碾压，机器人不再是“瞎子”？

最近具身智能圈子里动静不小，蚂蚁集团旗下的灵波科技甩出了一记重拳——LingBot-Depth 2.0。

说实话，光看这个数据量的升级，就知道这次不是简单的“挤牙膏”。从上一代的 300 万数据，直接飙升到了 1.5 亿，这 50 倍的增长带来的效果简直是肉眼可见的飞跃。作为一个长期关注 AI 落地的博主，今天就来给大伙盘盘这次升级到底牛在哪里，以及这背后意味着什么。

🚀 数据暴力美学：从 300 万到 1.5 亿

做 AI 的都知道，“大力出奇迹”虽然粗糙，但在很多场景下确实是硬道理。灵波这次把训练数据规模拉到了 1.5 亿，结果也很直接：

• 准确度炸裂： 在深度补全基准的 16 项测评里，它直接拿下了 12 项第一。
• 误差减半： 在最难的室内大面积深度缺失场景中，深度误差（RMSE）从 0.132 降到了 0.062。这个数字对于机器人避障和抓取来说，就是“撞上去”和“稳稳接住”的区别。

🪞 专治各种“疑难杂症”：玻璃、镜子都不怕

LingBot-Depth 2.0 在包含镜子和玻璃的复杂环境中的深度补全效果展示

玩过深度相机或者 3D 建模的朋友应该深有体会，传统的深度传感器最怕什么？玻璃、镜子、透明物体。遇到这些东西，传感器基本就“瞎”了，数据要么缺失，要么是一团乱麻。

LingBot-Depth 2.0 的最大亮点就是在这个场景下的表现。官方放出的测试图显示，即便是在全是镜子和玻璃的复杂环境里，它也能补全出完整、平整的三维结构。这意味着什么？意味着未来的家用机器人再也不会对着家里的落地窗发呆，或者不小心撞碎你刚买的玻璃花瓶了。

除了这些反光透光材质，它在远距离深度估计和细小物体识别上也做了针对性优化。对于想搞机器人避障或者自动驾驶的朋友来说，这绝对是个利好消息。

LingBot-Vision 模型对物体边界的精准判定及连续追踪能力示意

👀 还送了个“视觉外挂”：LingBot-Vision

除了深度模型，灵波这次还同步推出了一个视觉基座模型——LingBot-Vision。

这个模型有点意思，它的预训练语料只有 1.6 亿张图像。乍一看好像不多？但对比一下吧，Meta 的 DINOv3 数据量比它大一个数量级，但从结果来看，LingBot-Vision 在深度估计的精度上却优于 DINOv3。

而且，它对物体边界的判定非常稳，能够在视频中连续追踪物体的边界。这对于机器人“看清”世界、进行精细操作（比如抓取一个特定的杯子而不是旁边的盘子）至关重要。小数据跑出高效果，这暗示了其算法架构的高效性，也算是一种“技术力”的展示。

🔧 硬件适配：已有“官方认证”

空谈误国，实干兴邦。这款模型已经通过了奥比中光深度视觉实验室的专业认证。实际测试是基于奥比中光 Gemini 330 系列双目 3D 相机进行的。

测试结果显示，在边缘清晰度、物体轮廓完整性，还有那些复杂光照、不同材质的场景下，结合了 LingBot-Depth 2.0 的硬件方案表现都有明显提升。这说明不管是对于硬件厂商还是算法开发者，这都是一个已经能落地的成熟方案，而不是仅仅停留在 Paper 阶段的玩具。

💡 总结一下

LingBot-Depth 2.0 的发布，其实释放了一个信号：具身智能的“眼睛”正在变得越来越敏锐。

以前我们担心机器人走直线没问题，拐弯就撞墙；现在有了处理玻璃、镜面和复杂环境的能力，机器人真正走进家庭和工厂的日子可能又近了一大步。对于开发者来说，这种高性能模型的出现，也降低了我们在视觉避障和环境感知领域的开发门槛。

接下来的看点，就是看什么时候能在开源社区或者官方渠道体验到这个模型的实际能力了，咱们拭目以待！