de.wedoany.com-Bericht: Das zu Ant Group gehörende Unternehmen für verkörperte Intelligenz, Lingbo Technology, hat am 7. Juli das Raumwahrnehmungsmodell LingBot-Depth 2.0 veröffentlicht. Das Modell wurde mit 150 Millionen Datensätzen trainiert und bietet umfassende Verbesserungen bei Kantenschärfe, Erkennung kleiner Objekte, Tiefenschätzung über große Entfernungen und Robustheit in komplexen Szenarien.
LingBot-Depth ist ein von Lingbo Technology selbst entwickeltes Raumwahrnehmungsmodell, das quasi die Augen von Robotern in der physischen Welt darstellt. Die vorherige Version löste bereits das Problem der Raumwahrnehmung in komplexen Szenarien wie transparenten und reflektierenden Oberflächen. Im Vergleich zu LingBot-Depth 1.0 wurde der Trainingsdatensatz von 3 Millionen auf 150 Millionen erweitert, was zu einer umfassenden Leistungssteigerung führte: In 16 Bewertungen der Tiefenvervollständigungs-Benchmark belegte das Modell 12 Mal den ersten Platz; bei den schwierigsten Szenarien mit großflächigen Tiefenlücken in Innenräumen halbierte sich der Tiefenfehler im Vergleich zur Vorgängerversion, der RMSE sank von 0,132 auf 0,062; besonders hervorzuheben ist die Leistung bei Glas, Spiegeln und transparenten Objekten, bei denen herkömmliche Tiefenkameras am häufigsten versagen.
Gleichzeitig wurde das visuelle Basismodell LingBot-Vision für LingBot-Depth 2.0 vorgestellt, das eine Fähigkeitskette von „Verstehen" bis „Präzises Erkennen" für Roboter aufbaut. Ziel ist es, die zentralen Herausforderungen der Robotervision in den Bereichen Raumwahrnehmung, feine Objekterkennung und Anpassung an komplexe Umgebungen zu bewältigen.
Die bahnbrechenden Fortschritte von LingBot-Depth 2.0 sind der herausragenden visuellen Repräsentationsfähigkeit von LingBot-Vision zu verdanken. Als universelles visuelles Modell ist LingBot-Vision das erste visuelle Basismodell der Branche, das „Grenzstrukturen" als Vortrainingsziel verwendet. Es stellt einen Durchbruch im Paradigma des Raumwahrnehmungstrainings dar, verfügt über subpixelgenaue Grenzortung und räumliches Strukturverständnis und ermöglicht eine präzisere und stabilere Raumwahrnehmung.
Der Vortrainingskorpus von LingBot-Vision umfasst nur 160 Millionen Bilder, eine Größenordnung weniger als DINOv3, aber die Tiefenschätzgenauigkeit übertrifft DINOv3. Darüber hinaus ist die Grenzbestimmung von LingBot-Vision ausreichend stabil, um Objektgrenzen in Videos kontinuierlich zu verfolgen. LingBot-Vision hat vier Versionen als Open Source veröffentlicht: ViT-G/L/B/S.
Es wird berichtet, dass LingBot-Vision nicht nur das Training von LingBot-Depth 2.0 unterstützt, sondern auch über die universelle Fähigkeit der „Mehrfachnutzung eines Modells" verfügt.
Derzeit hat LingBot-Depth 2.0 die professionelle Zertifizierung des Tiefenvisionslabors von Orbbec erhalten. Tests in realen Szenarien zeigen, dass LingBot-Depth 2.0 auf Basis der von Orbbecs Gemini 330-Serie binokularer 3D-Kameras bereitgestellten Chip-Level-3D-Rohdaten deutliche Verbesserungen bei Kantenschärfe, Objektkonturvollständigkeit, Erkennung kleiner Objekte, Tiefenschätzung über große Entfernungen sowie Robustheit unter komplexen Licht- und Materialbedingungen aufweist.
Im Bereich der Kommerzialisierung hat Ant Lingbo bereits eine tiefgreifende Zusammenarbeit mit Orbbec in vielen Bereichen aufgenommen. Es wird berichtet, dass in der neu eingeführten Produktmatrix für körperlose Datenerfassung von Orbbec die RGB-D-Version des EGO-Geräts die speziell für Datenerfassungsszenarien optimierte LingBot-Depth-Version von Lingbo Technology anpassen wird. In Zukunft sollen weiterhin kommerzielle Versionen auf höherer Ebene integriert werden, um Tiefenlücken kontinuierlich zu schließen und Objektkanten sowie räumliche Strukturdetails zu optimieren. Dies soll eine präzisere, stabilere und nutzbarere reale Welt-Datenbasis für das Training von Modellen der verkörperten Intelligenz bieten.
Darüber hinaus wird Orbbec ein SDK-Produkt veröffentlichen, das die neuesten Modellfähigkeiten von LingBot-Depth integriert. Dieses Produkt steht Roboterkunden auf der Endseite zur Verfügung und ermöglicht Robotern, die Gemini 330-Serienkameras verwenden, bessere Tiefenergebnisse zu erzielen. Es ist geplant, bis Ende des Jahres ein integriertes Kameraprodukt mit der kommerziellen Version von LingBot-Depth auf den Markt zu bringen, das eine integrierte Lieferung von „3D-Kamera + Raumwahrnehmungsfähigkeit" ermöglicht. Mit der Veröffentlichung der beiden Modelle dürfte sich die Zusammenarbeit auf weitere Bereiche ausdehnen.
Derzeit sind die technischen Berichte der beiden Modelle sowie die Modellgewichte von LingBot-Vision als Open Source verfügbar. Ant Lingbo Technology erklärte, dass man in offener Weise gemeinsam mit der Branche eine visuelle Basis für Roboter aufbauen möchte, um den Engpass der Branche zu überwinden, dass Roboter in der realen physischen Welt „sehen, präzise erkennen und stabil wahrnehmen" können, und so die großflächige Umsetzung der verkörperten Industrie zu beschleunigen.
