De acordo com pt.wedoany.com-A Lingbo Technology, empresa de inteligência incorporada do Grupo Ant, lançou em 7 de julho o modelo de percepção espacial LingBot-Depth 2.0. Treinado com base em 150 milhões de dados, o modelo apresenta uma atualização abrangente em nitidez de bordas, reconhecimento de objetos pequenos, estimativa de profundidade de longa distância e robustez em cenários complexos.
O LingBot-Depth é um modelo de percepção espacial desenvolvido internamente pela Lingbo Technology, funcionando como os olhos do robô no mundo físico. A versão anterior já havia resolvido o desafio de percepção espacial de robôs em cenários complexos, como objetos transparentes e reflexivos. Em comparação com o LingBot-Depth 1.0, a versão 2.0 expandiu os dados de treinamento de 3 milhões para 150 milhões, com desempenho totalmente aprimorado: obteve 12 primeiros lugares em 16 avaliações do benchmark de complementação de profundidade; no cenário mais difícil de grandes áreas de profundidade ausente em ambientes internos, o erro de profundidade foi reduzido pela metade em relação à geração anterior, com o RMSE caindo de 0,132 para 0,062; o desempenho é particularmente notável em cenários onde câmeras de profundidade tradicionais falham com mais frequência, como vidro, espelhos e objetos transparentes.
Também foi lançado simultaneamente o modelo de base visual LingBot-Vision do LingBot-Depth 2.0, estabelecendo uma cadeia de capacidades do robô, desde "entender" até "mirar com precisão", visando enfrentar os principais desafios da visão robótica em percepção espacial, reconhecimento fino e adaptação a ambientes complexos.
O avanço inovador do LingBot-Depth 2.0 deve-se à notável capacidade de representação visual do LingBot-Vision. Como um modelo visual de uso geral, o LingBot-Vision é o primeiro modelo de base visual da indústria a adotar a "estrutura de borda" como objetivo de pré-treinamento, alcançando um avanço no paradigma de treinamento de percepção espacial. Ele possui capacidade de localização de bordas em nível subpixel e compreensão de estrutura espacial, proporcionando uma percepção espacial mais precisa e estável.
O corpus de pré-treinamento do LingBot-Vision é de apenas 160 milhões de imagens, uma ordem de grandeza menor que o DINOv3, mas sua precisão de estimativa de profundidade é superior à do DINOv3. Além disso, o LingBot-Vision é suficientemente estável na determinação de bordas de objetos, permitindo o rastreamento contínuo de bordas de objetos em vídeos. O LingBot-Vision disponibilizou 4 versões de código aberto: ViT-G/L/B/S.
Segundo informações, além de suportar o treinamento do LingBot-Depth 2.0, o LingBot-Vision também possui a capacidade geral de "um modelo para múltiplos usos".
Atualmente, o LingBot-Depth 2.0 já obteve certificação profissional do Laboratório de Visão de Profundidade da Orbbec. Testes em cenários reais mostram que, com base nos dados 3D brutos em nível de chip fornecidos pela câmera 3D binocular Gemini 330 da Orbbec, o LingBot-Depth 2.0 apresentou melhorias significativas em nitidez de bordas, integridade do contorno de objetos, reconhecimento de objetos pequenos, estimativa de profundidade de longa distância e robustez em cenários com iluminação complexa e materiais variados.
Em termos de comercialização, a Ant Lingbo já estabeleceu uma cooperação profunda com a Orbbec em várias áreas. Segundo informações, na mais recente matriz de produtos de coleta de dados sem corpo da Orbbec, o dispositivo EGO na versão RGB-D será adaptado com a versão do LingBot-Depth otimizada pela Lingbo Technology especificamente para cenários de coleta de dados. Futuramente, será integrada uma versão de modelo comercial de nível mais avançado, continuando a complementar lacunas de profundidade, otimizar bordas de objetos e detalhes de estrutura espacial, fornecendo uma base de dados do mundo real mais precisa, estável e utilizável para o treinamento de modelos de inteligência incorporada.
Além disso, a Orbbec lançará um produto SDK integrando as capacidades do modelo LingBot-Depth mais recente, para uso em dispositivos finais por clientes robóticos, permitindo que robôs que utilizam a câmera Gemini 330 obtenham melhores efeitos de profundidade. A empresa também planeja lançar um produto de câmera integrada com a versão comercial do LingBot-Depth até o final do ano, realizando uma entrega integrada de "câmera 3D + capacidade de percepção espacial". Com o lançamento dos dois modelos, espera-se que a cooperação entre as partes se estenda a mais áreas.
Atualmente, os relatórios técnicos dos dois modelos e os pesos do modelo LingBot-Vision foram disponibilizados como código aberto. A Ant Lingbo Technology afirmou que espera construir, de forma aberta, a base de visão robótica com a indústria, ajudando os robôs a superar o gargalo da indústria de "entender, mirar com precisão e manter a estabilidade" no mundo físico real, acelerando a implementação em larga escala da indústria de inteligência incorporada.
