WAIC 2026|奥比中光携手蚂蚁灵波,打造数据采集与端侧感知全链路

2026-07-172632机器人技术及应用

通过将自研深度芯片、3D视觉硬件与空间感知模型相结合,奥比中光正在把真实世界数据采集能力进一步延伸至机器人端侧应用,让数据采得更准、更全、更稳,并推动具身智能从训练验证阶段走向规模化应用。

7月17日,2026世界人工智能大会(WAIC)在上海开幕。奥比中光携无本体数据采集硬件平台核心产品EGO RGB-D亮相蚂蚁灵波展位,展示双方联合打造的“芯片级深度直出+模型级深度增强”数据采集方案。

此前,奥比中光与蚂蚁灵波已达成战略合作。此次WAIC是双方合作产品的首次线下集中亮相:除面向物理AI训练数据采集的EGO RGB-D外,双方最新联合开发的机器人端侧方案——Gemini 330系列深度增强引擎也同步展出。

两项产品分别面向物理AI模型训练所需的真实世界数据采集,以及机器人端侧的感知、推理与部署,标志着双方合作进一步从模型与硬件适配,延伸至数据采集和端侧应用的产品化落地。



 

合作产品首次线下亮相,瞄准具身智能数据基础设施

随着具身智能由模型训练和样机验证逐步走向真实场景,行业竞争正从模型能力延伸至数据质量、传感器性能和规模化交付能力。

机器人训练需要采集带有真实空间尺度、时间关系和交互过程的物理世界数据。尤其在精细操作场景中,手部遮挡、物体反光、透明材质及小物体边缘等问题,容易造成深度信息缺失,直接影响数据的可训练性和后续模型表现。

此次首次在线下展出的EGO RGB-D系列,是奥比中光面向物理AI、具身智能及VLA/世界模型训练推出的头戴式第一人称数据采集设备,专为桌面级精细操作场景设计。



 

该产品基于奥比中光Gemini 330系列3D相机,依托自研深度引擎芯片MX6800在相机侧完成深度计算,同步采集RGB、Depth、IMU等数据。相比仅凭RGB估算深度,原生RGB-D保留真实空间尺度,并保持时间同步、空间对齐与连续稳定输出,可清晰重建手部操作过程、物体空间结构与小物体边缘细节。

在此基础上,EGO RGB-D系列适配蚂蚁灵波专为数据采集场景优化的LingBot-Depth 2.0。该模型基于1.5亿规模数据训练,并已通过奥比中光深度视觉实验室认证,可针对复杂区域进一步补全深度、锐化边缘、还原空间结构,形成“硬件保真、模型补强”的两层能力。

16项配置中12项误差最优,提高复杂物体高质量采集

公开评测显示,EGO RGB-D系列的深度增强能力在覆盖真实传感器、块掩码和稀疏输入的16项测试配置中,有12项深度误差(RMSE)达到最优。

其中,在透明物体测试中,其误差低至0.010,98.1%的评测像素达到D105精度阈值;在DIODE-Indoor大面积深度缺失场景中,误差由0.132降至0.062,降幅约53%。两项结果均较行业代表性学术基线降低一半以上。

这些指标对应到实际数据采集过程,意味着物体边缘可以采得更清晰、空间结构采得更完整、连续操作过程采得更稳定。补全后的深度边缘能够更加贴合RGB画面中的真实轮廓,杯沿、工具边缘与小件物体轮廓得到更清晰的保留。

与此同时,透明、反光等过去容易造成深度失效的对象,也能够被纳入高质量RGB-D数据采集范围,减少因数据缺失带来的数据清洗、重复采集和人工返工。

“高质量数据是具身智能规模化落地的关键瓶颈,而深度是其中最难采、也最有价值的一维。”奥比中光数据采集产品负责人炎帝表示,“我们以芯片级原生深度为底座,把最难采的透明、反光、遮挡场景采得又准又稳,让真实世界数据真正成为可训练、可复用的资产。”

目前,奥比中光无本体数据采集硬件平台已集结EGO、UMI、WristCam等产品形态,覆盖第一视角观察、腕部近场观察、手—物交互细节采集等典型场景,面向具身智能模型公司、机器人本体公司和数据采集服务商等客户,提供标准化产品、CM代工制造与JDM联合设计制造服务。后续,奥比中光与蚂蚁灵波还将适配更高级别的商业版本模型。

从数据采集延伸至端侧感知,推动商业化产品落地

除数据采集设备外,奥比中光与蚂蚁灵波还在WAIC现场展示了最新联合开发的机器人端侧方案——Gemini 330系列深度增强引擎。

该方案结合Gemini 330系列深度相机的原生深度数据与LingBot-Depth最新模型能力,可有效降低深度噪声、填补深度空洞、优化物体边缘,进一步提升机器人在复杂真实场景中的感知稳定性与操作可靠性。

目前,相关SDK已完成对奥比中光Gemini 330系列双目3D相机的专属适配,并将由该系列独家授权,推向商用市场。奥比中光还计划最早于年底推出集成LingBot-Depth商业版的一体化相机产品,实现“3D相机+空间感知能力”的一体化交付。



 

对于机器人企业而言,模型在训练阶段和部署阶段采用不同的数据来源、传感器体系或深度处理方式,可能造成数据分布差异,增加模型适配和工程调试成本。

从物理AI模型训练到机器人端侧的推理与部署,此次展出的两款新品均基于Gemini 330系列相机与LingBot-Depth深度增强能力,训练与推理同构,形成贯通数据采集与端侧部署的RGB-D全链路方案,有效降低机器人客户的数据偏差与适配成本。

从行业发展来看,具身智能的规模化落地不仅依赖模型参数和算法能力,也取决于高质量数据能否稳定获取、感知能力能否在端侧可靠运行,以及相关产品能否实现批量交付。