让机器人“看清”三维世界，蚂蚁灵波开源空间感知模型

21世纪经济报道记者 董静怡

空间智能迎来重要开源进展。1月27日，蚂蚁集团旗下具身智能公司灵波科技宣布开源高精度空间感知模型LingBot-Depth。

该模型基于奥比中光 Gemini 330 系列双目 3D 相机提供的芯片级原始数据，专注于提升环境深度感知与三维空间理解能力，旨在为机器人、自动驾驶汽车等智能终端赋予更精准、更可靠的三维视觉，在“看清楚”三维世界这一行业关键难题上取得重要突破。这也是蚂蚁灵波科技在2025外滩大会后首次亮相后，时隔半年在具身智能技术基座方向公布重要成果。

在NYUv2、ETH3D等权威基准评测中，LingBot-Depth展现出代际级优势：相比业界主流的 PromptDA与PriorDA，其在室内场景的相对误差（REL）降低超过70%，在挑战性的稀疏SfM 任务中RMSE误差降低约47%。

（在最具挑战的稀疏深度补全任务中，LingBot-Depth性能整体优于现有多种主流模型。图中数值越低代表性能越好。）

在家庭和工业环境中，玻璃器皿、镜面、不锈钢设备等透明和反光物体十分常见，但却是机器空间感知的难点。传统深度相机受制于光学物理特性，在面对透明或高反光材质时，往往无法接收有效回波，导致深度图出现数据丢失或产生噪声。

针对这一行业共性难题，蚂蚁灵波科技研发了“掩码深度建模”（Masked Depth Modeling，MDM）技术，并依托奥比中光 Gemini 330 系列双目 3D 相机进行 RGB-Depth 数据采集与效果验证。当深度数据出现缺失或异常时，LingBot-Depth 模型能够融合彩色图像（RGB）中的纹理、轮廓及环境上下文信息，对缺失区域进行推断与补全，输出完整、致密、边缘更清晰的三维深度图。值得一提的是，LingBot-Depth 模型已通过奥比中光深度视觉实验室的专业认证，在精度、稳定性及复杂场景适应性方面均达到行业领先水平。

实验中，奥比中光 Gemini 330 系列在应用LingBot-Depth 后，面对透明玻璃、高反光镜面、强逆光及复杂曲面等极具挑战的光学场景时，输出的深度图依然平滑、完整，且物体的轮廓边缘非常锐利，其效果显著优于业内领先的3D 视觉公司 Stereolabs 推出的 ZED Stereo Depth 深度相机。这意味着在不更换传感器硬件的前提下，LingBot-Depth 可显著提升消费级深度相机对高难物体的处理效果。

（搭载 LingBot-Depth 后，奥比中光 Gemini 330 系列在透明及反光场景下深度图的完整性和边缘清晰度明显提升，其效果优于业界领先的ZED 深度相机）

LingBot-Depth 的优异性来源于海量真实场景数据。灵波科技采集约 1000 万份原始样本，提炼出 200 万组高价值深度配对数据用于训练，支撑模型在极端环境下的泛化能力。这一核心数据资产（包括 2M 真实世界深度数据和 1M 仿真数据）将于近期开源，推动社区更快攻克复杂场景空间感知难题。

据了解，蚂蚁灵波科技已与奥比中光达成战略合作意向。奥比中光计划基于 LingBot-Depth 的能力推出新一代深度相机。本周蚂蚁灵波将陆续开源多款具身智能方向模型。