时间：2026年7月7日
地点：中国杭州
人物：蚂蚁集团旗下蚂蚁灵波科技（Robbyant）
事件详情：7月7日，蚂蚁集团旗下具身智能公司蚂蚁灵波科技发布新一代空间感知模型LingBot-Depth 2.0，并同步开源视觉基座模型LingBot-Vision。LingBot-Depth 2.0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。该模型在16项深度补全基准测评中拿下12项第一，室内大面积深度缺失场景深度误差较前代减半。同时开源的LingBot-Vision是业内首个将边界结构作为预训练目标的视觉模型，参数量仅11亿，预训练语料仅1.6亿张图像，但深度估计精度优于DINOv3等70亿参数级别模型。
背景：机器人视觉是具身智能落地的核心瓶颈之一。传统的视觉预训练模型（如DINOv3）参数量巨大且未针对空间感知优化，在机器人实际部署中存在识别精准度不足、对透明/反光等复杂场景失效等问题。蚂蚁灵波此前于2026年1月开源了LingBot-Depth 1.0，解决了机器人看清透明、反光等复杂场景的空间感知难题。此次发布的LingBot-Depth 2.0和LingBot-Vision构建起机器人从看懂到看准的完整能力链路，并且两款模型均已通过奥比中光深度视觉实验室认证，适配其Gemini 330系列双目3D相机。
影响：
- 技术路线创新：LingBot-Vision将边界结构作为预训练目标，仅11亿参数实现亚像素级边界定位与空间结构理解，性能反超DINOv3等70亿参数模型，为机器人视觉领域提供了一个高效的预训练基座。
- 数据效率突破：预训练语料仅为1.6亿张图像，比DINOv3小一个数量级，验证了以空间结构为中心的训练范式在数据效率上的显著优势。
- 产业落地加速：LingBot-Depth 2.0已完成与奥比中光Gemini 330系列双目3D相机的适配认证，能够有效处理玻璃、镜面等易识别失效物体，完整还原三维结构，为机器人在零售、物流、工业等场景的部署提供了可靠的视觉感知方案。
总结：蚂蚁灵波连续发布LingBot-Depth 2.0和LingBot-Vision两款视觉模型，标志着机器人视觉迈向空间原生感知的新阶段。11亿参数模型挑战70亿参数级能力的突破，验证了小参数、高效率的自研视觉基座路线的可行性。配合此前开源的LingBot-World世界模型和LingBot-VLA具身基座模型，蚂蚁灵波正在构建感知-决策-执行的完整开源具身智能技术栈。随着与奥比中光等硬件厂商的适配合作，具身智能的视觉感知门槛正在大幅降低。
参考来源：
- https://new.qq.com/rain/a/20260707A05ONA00
- https://new.qq.com/rain/a/20260707A0906700
- https://so.html5.qq.com/page/real/search_news?docid=70000021_4316a4c93df80852
- https://so.html5.qq.com/page/real/search_news?docid=70000021_4506a4ce92a99352
- https://www.marktechpost.com/2026/07/07/ant-groups-robbyant-open-sources-lingbot-vision-a-1b-boundary-centric-vision-foundation-model-for-dense-spatial-perception/
- https://so.html5.qq.com/page/real/search_news?docid=70000021_0476a4cc65e95352
- https://so.html5.qq.com/page/real/search_news?docid=70000021_0996a4c9c4e02152