灵波科技发布新一代空间感知模型，12项测评全球第一，视觉基座模型开源

7月7日，蚂蚁集团旗下具身智能公司灵波科技发布空间感知模型LingBot-Depth 2.0，在深度补全基准16项测评中取得12项世界第一。同步推出的视觉基座模型LingBot-Vision宣布开源，四个版本模型权重及完整技术报告均已公开。

LingBot-Depth 2.0基于1.5亿规模数据进行训练，较上代300万数据集提升约50倍。该模型在边缘清晰度、细小物体识别、远距离深度估计及复杂场景鲁棒性等维度全面升级，室内大面积深度缺失场景的深度误差较上代降低约50%。一个细节值得注意：模型参数量仅11亿，却全面超越了参数规模达70亿的DINOv3——灵波团队没有沿用业界主流框架，而是选择从头自研预训练基座，走出一条小参数量高性能的路线。在深度补全基准的16项测评中，LingBot-Depth 2.0在12个细分指标上位列第一。

玻璃、镜面、透明物体是传统深度相机长期无法攻克的场景，机械臂常在此类环境中把杯子和背景混在一起，抓取“非碰即摔”。LingBot-Depth 2.0在透明材质条件下能够补全出完整、平整的三维结构图，物体轮廓边缘做到了清晰可辨。

据机器之心报道，当前主流视觉模型的目标大多聚焦于语义理解——看懂图片里有什么，而机器人真正需要的是理解距离、边界和空间关系。斯坦福《AI Index 2026》报告显示，机器人在实验室任务RLBench上成功率已近90%，但在包含1000项真实家庭活动的BEHAVIOR-1K测试中，当前最优模型成功率仅12.4%。6月8日，工信部和国资委联合发文要求机器人2026年底从“表演模式”转向“作业模式”。

LingBot-Vision是业内首个将“边界结构”作为预训练目标的视觉模型，可实现亚像素级边界定位与空间结构理解，本次开源包含ViT-G、ViT-L、ViT-B、ViT-S四个版本。

商业化方面，灵波科技与3D视觉感知企业奥比中光深化合作。据科创板日报报道，奥比中光将推出集成LingBot-Depth模型能力的SDK产品，并计划于年底推出商业版一体化相机产品。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。