アリババグループ傘下のエンボディードAI企業、Lingbo Technologyは7月7日に空間認識モデルLingBot-Depth 2.0を正式に発表し、視覚基盤モデルLingBot-Visionも同時にリリースしました。この2つのモデルは協調して動作し、ロボットの現実の物理世界における空間認識能力をさらに向上させます。LingBot-Depth 2.0は1.5億の規模のデータを基にトレーニングされており、前世代の300万データセットと比較して顕著な向上を実現しました。このモデルは、エッジの鮮明さ、小さな物体の認識、遠距離の深度推定、複雑なシーンのロバスト性など、複数の次元で全面的にアップグレードされています。
LingBot-Depth 2.0は深度補完ベンチマークテストで優れたパフォーマンスを発揮
深度補完ベンチマークの16項目のテストの中で、LingBot-Depth 2.0は12項目で1位を獲得し、特に室内の大面積深度欠損シーンにおける深度誤差は前世代と比較して約50%低下しました。ガラス、鏡面、透明物体など、従来の深度カメラが容易に失敗するシーンにおいて、LingBot-Depth 2.0のパフォーマンスは特に際立っており、完全で平坦な3D構造図を補完することができます。
同時に、Lingbo Technologyは視覚基盤モデルLingBot-Visionも発表しました。これは業界初の「境界構造」を事前トレーニングの目標とした視覚モデルで、サブピクセルレベルの境界位置決めと空間構造の理解を実現します。今回オープンソースされたViT-G/L/B/Sの4つのバージョンのモデルウェイトと完全な技術報告書は、開発者コミュニティが無料で使用および二次開発できるように提供されています。
商業化の面では、アリババのLingboはオビ中光とのさらなる協力を発表しました。両者はデータ収集、SDK統合、統合3Dカメラなどの方向で製品の実現を進める予定で、LingBot-Depth機能を統合したSDKと商業版統合カメラ設備を発売する計画です。これはロボットにより高精度の空間認識能力を提供し、エンボディードAI産業のスケールアップアプリケーションを加速することを目的としています。