№depth·general
Depth
别名
- 首次出现
- 2026-06-02
- 最近出现
- 2026-07-23
- 累计提及
- 29
§ 01综述
Depth（深度估计）是计算机视觉中从二维图像预测三维空间距离的核心技术，在机器人、自动驾驶和增强现实等领域具有关键作用。2026年7月，蚂蚁集团旗下Robbyant团队发布了LingBot-Depth 2.0与LingBot-Vision模型，大幅提升了稠密空间感知能力。
Depth近期进展
数据规模跃升至1.5亿：蚂蚁灵波空间感知AI模型LingBot-Depth 2.0发布，该模型在多个基准上实现了state-of-the-art的深度估计精度，尤其在室内外场景的泛化性上显著优于前代。 数据规模跃升至 1.5 亿：蚂蚁灵波空间感知 AI 模型 LingBot-Depth 2.0 发布
蚂蚁集团Robbyant开源LingBot-Vision：一款1B参数的边界中心视觉基础模型，专为稠密空间感知设计，在深度估计和分割任务上表现出色，超越了更大规模的模型。 蚂蚁集团Robbyant开源LingBot-Vision：1B边界中心视觉模型
性能突破：LingBot-Vision 1.1B参数模型在多项任务上超越Meta 7B参数的DINOv3，展示了高效架构在深度估计领域的优势。 蚂蚁集团LingBot-Vision 1.1B参数模型超越Meta 7B DINOv3
具身操作与世界模拟器：LingBot系列模型被整合进机器人系统，用于空间感知、物体抓取与场景理解，加速了具身智能的落地。 Robbyant Brain开源LingBot系列：空间感知、具身操作与世界模拟器
当前焦点与观察点
LingBot-Depth 2.0与LingBot-Vision的开源标志着Depth领域在数据规模和参数效率上的双重突破。1.5亿样本的预训练数据量级使得模型在极端场景（如低光照、弱纹理）下仍能保持鲁棒性。同时，1B参数的边界中心架构在推理速度与精度之间取得了平衡，为嵌入式设备部署提供了可能。争议点在于：这类强监督的深度估计模型是否能够泛化到未见过的领域，以及其与无监督方法相比的优劣。此外，蚂蚁集团的开源策略可能推动具身机器人行业的生态整合，但商业应用中的许可条款仍需关注。