玻璃、镜面、透明物体——这些让深度相机屡屡“失灵”的材质，如今终于被AI攻克了。

7月7日，蚂蚁集团旗下具身智能公司灵波科技（Robbyant）正式发布空间感知模型LingBot-Depth 2.0，并同步开源其视觉基座模型LingBot-Vision。这是一套从机器人视觉表征底层到深度感知能力的完整技术方案，也是业内首次将“边界结构”作为预训练目标的视觉基础模型。

这套组合拳打出的成绩单相当硬核：LingBot-Depth 2.0基于1.5亿规模数据训练，在深度补全基准的16项测评中拿下12项第一；在最难的室内大面积深度缺失场景中，深度误差较上一代直接减半；在玻璃、镜面、透明物体等传统深度相机最容易失灵的场景中，表现尤为突出。

更值得注意的是效率层面的突破。LingBot-Vision仅用约11亿参数——相当于Meta开源模型DINOv3（70亿参数）的七分之一——配合不到三分之一的训练数据，就在NYUv2深度估计基准上实现了全面超越。用更少的资源实现更强的能力，这在算力军备竞赛愈演愈烈的当下，提供了一条不同的路径。

技术突破之外，商业化落地也在同步推进。LingBot-Depth 2.0已通过奥比中光深度视觉实验室专业认证，双方将联合推出集成该模型能力的SDK产品和一体化相机。灵波科技同时开源了LingBot-Vision的四个版本模型权重，从ViT-S到ViT-G全面覆盖。

成立于2024年底的灵波科技，是蚂蚁集团在具身智能领域的关键布局。今年1月已开源首个机器人AI模型LingBot-VLA。此次连发两弹，等于把“看清”这件事从根上重做了一遍。当机器人终于能在玻璃茶几前准确判断距离、在镜面走廊里稳定导航，那些曾经让机械臂“抓空”的尴尬场景，或许真的要成为历史了。