蚂蚁集团旗下Robbyant发布LingBot-Vision：让机器人看清玻璃和镜子的视觉基础模型

机器人看世界，最难的不是识别沙发和桌子，而是玻璃门、镜子、透明水杯——这些让传统深度相机集体“失明”的物体。7月7日，蚂蚁集团旗下的具身智能公司Robbyant在上海宣布推出LingBot-Vision视觉基础模型和LingBot-Depth 2.0空间感知模型，试图攻克这一行业痛点。据官方介绍，LingBot-Vision是业界首个以“边界结构”作为预训练目标的模型，能在亚像素级别定位物体边界，甚至连续追踪视频中的边缘变化。更令人意外的是，它的预训练数据量仅为1.6亿张图像，比Meta的DINOv3模型小一个数量级。目前模型权重已在GitHub和Hugging Face上开源，而LingBot-Depth 2.0则与奥比中光深度视觉实验室合作，通过了其Gemini 330系列相机的芯片级深度数据测试。

目前能确认到哪一步
announced：Robbyant于2026年7月7日通过新闻稿宣布推出LingBot-Vision和LingBot-Depth 2.0，模型权重已开源，但未公布具体发布日期或价格。与奥比中光的合作产品（SDK和集成相机）计划于年底前推出，目前尚未上市。

从“看见”到“看清”：LingBot-Vision如何让机器人不再撞玻璃
传统深度相机遇到玻璃、镜子或透明塑料时，光线要么穿透要么反射，导致传感器返回错误数据——机器人可能直接撞上去。Robbyant的LingBot-Vision号称用了一种新思路：它不依赖海量数据堆砌，而是把“边界结构”作为预训练目标。官方称，模型能在亚像素级别定位物体边缘，并且视频中也能稳定追踪边界变化。这意味着，机器人面对玻璃茶几时，能准确识别出桌面的轮廓，而不是把它当成空洞。

更关键的是，LingBot-Vision的训练数据只有1.6亿张图像，比Meta的DINOv3模型少了一个数量级。Robbyant表示，这种高效性得益于其独特的预训练目标——让模型学会理解物体的空间结构，而非单纯识别像素。目前模型权重已开源，开发者可以下载并用于下游任务，比如物体检测、分割或深度估计。不过，这些说法均来自Robbyant的官方新闻稿，实际效果有待第三方验证。



LingBot-Depth 2.0：深度误差减半，专治反光物体
作为LingBot-Vision的“搭档”，LingBot-Depth 2.0是Robbyant上一代深度感知模型的升级版。官方称，它用1.5亿样本训练，在16个深度补全基准测试中拿下12个第一。最亮眼的数据是：在室内深度大面积缺失的极端场景下，均方根误差从0.132降到0.062，误差直接减半。对于玻璃、镜面等传统深度相机的“死穴”，它表现尤其突出。

Robbyant解释，LingBot-Depth 2.0的突破得益于LingBot-Vision提供的精准视觉表征。在商业化方面，奥比中光的深度视觉实验室已对模型进行专业认证，使用其Gemini 330系列相机的芯片级深度数据测试后，边缘清晰度、小物体识别和远距离深度估计均有提升。奥比中光还计划推出集成LingBot-Depth 2.0的SDK和一体化相机，后者预计年底前发布。不过，这些产品尚未上市，实际表现有待观察。



开源+合作：Robbyant的野心不止于模型
Robbyant此次不仅发布模型，还直接开源了LingBot-Vision的权重，摆出一副“共建生态”的姿态。官方表示，希望与行业伙伴一起解决机器人“看见、看清、看稳”的瓶颈，加速具身智能的商业化。这种策略在AI领域并不罕见——通过开源吸引开发者，再通过商业合作变现。值得注意的是，Robbyant是蚂蚁集团旗下的公司，背景为其技术落地提供了资金和场景支持。

与奥比中光的合作是商业化第一步。奥比中光将在其“免机器人数据采集硬件平台”的RGB-D EGO设备中集成定制版LingBot-Depth模型，用于优化数据采集。未来还会推出更高级的商业版本，专门处理缺失深度、物体边缘和空间结构问题。不过，这些合作细节均来自新闻稿，具体集成效果和产品定价尚未披露。对于普通消费者，这些技术可能先出现在扫地机器人或服务机器人上，但短期内还看不到实物。

资料线索
• businesswire.com
• afp.com
• afp.com

本文是基于公开页面整理的 AI 硬件情报，不是本站实测或购买建议。图片发布副本增加 waoo.ai 水印，原摄影者和来源标识保留。