Robbyantは、今回の発表がロボットの空間認識における重要な進展を示しており、ロボットが物理的な世界をより正確に理解し、複雑な環境でのナビゲーション能力を向上させるのに役立つと述べています。LingBot-Depth 2.0は、LingBot-Depthを基に発展した技術で、透明および反射面の深度感知の課題を解決するためにマスク深度モデリング（Masked Depth Modeling、MDM）技術を導入し、拡張されたトレーニング能力と改善された性能を提供します。
このモデルは1.5億のサンプルでトレーニングされ、16の深度完了ベンチマークのうち12の項目で先進的な結果を達成し、現実世界の認識タスクにおいてより強い正確性と信頼性を示しています。
LingBot-Depth 2.0が深度感知技術で顕著な進展を達成
LingBot-Depth 2.0は、深度感知が制限されることが多い挑戦的な屋内環境で顕著な改善を達成しました。Robbyantによれば、このモデルは深度損失が深刻な状況下で深度誤差を50%以上削減し、均方根誤差（RMSE）スコアを0.132から0.062に低下させました。このモデルは、従来の深度カメラが通常検出および理解するのが難しい領域でもより強い性能を示し、ガラス面、鏡、その他の透明物体の検出および理解を含みます。
これらの進展は、ロボットが周囲の環境を解釈し理解するのを改善することを目的とした視覚基盤モデルであるLingBot-Visionのおかげです。
LingBot-Visionは、業界初の「境界構造」を事前トレーニング目標として使用するモデルであり、これによりサブピクセルレベルの境界位置決定とより強力な空間構造理解を実現し、ロボットの認識の信頼性を向上させます。このモデルは比較的小さな1.6億枚の画像データセットでトレーニングされましたが、その性能はより大きなモデルを上回っています。Robbyantは、このモデルが安定した物体境界検出を提供し、ロボットがビデオシーケンス内で物体のエッジや構造を継続的に追跡できるようにすると述べています。
LingBot-Visionがロボットにより強力な環境理解能力を提供
LingBot-Depth 2.0をサポートするだけでなく、LingBot-Visionは幅広い人工知能アプリケーションや下流タスクをサポートするために設計された柔軟な基盤モデルです。Robbyantは、このモデルの能力が深度感知を超え、ロボットの視覚および知能システムにおける応用をより広範囲にすることを示しています。商業展開のために、LingBot-Depth 2.0はOrbbec深度視覚ラボの認証を受けています。Orbbec Gemini 330シリーズの立体3Dカメラを使用したチップレベルの深度データによるテストでは、エッジ検出、物体輪郭、小物体認識、長距離深度推定、挑戦的な照明および材料条件下での性能が改善されていることが示されています。
Orbbecとの協力は、ロボットデータ収集の新しいハードウェアソリューションにも拡大します。Orbbecが新たに発表したドローンデータ収集ハードウェアプラットフォームの一部として、RGB-D EGOデバイスは、高品質なトレーニングデータを収集するために最適化されたカスタムバージョンのLingBot-Depthを装備します。今後のアップデートでは、このプラットフォームは高度な商業版モデルを統合し、深度完了、物体境界検出、空間構造理解をさらに改善することが期待されています。その目標は、現実環境での具身人工知能システムのトレーニングに対して、より正確で安定した実用的なデータ基盤を提供することです。
項目 規格 プロセッサ Orbbec Gemini 330 カメラ 立体 3D カメラ