问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年7月，蚂蚁集团旗下具身智能公司Robbyant正式开源LingBot-Vision模型家族。该模型基于自监督视觉Transformer架构，采用创新“边界建模”技术，突破现有视觉模型偏重物体识别的局限，密集空间感知任务多项指标超越参数规模数倍的顶尖大模型，为机器人实现精准物理空间感知提供了全新技术路径。
在工业分拣、家庭服务等场景的落地测试中，超过6成的具身机器人故障都来自空间感知误差：明明识别出了面前的玻璃杯，却因为误判距离碰倒容器，或是抓握时卡到杯沿导致任务失败。这一困扰行业多年的难题，最近迎来了低成本的解决方案。
过去几年，视觉大模型的语义识别能力已经达到接近人类的水平，但绝大多数通用视觉模型的训练目标都围绕“识别物体是什么”展开，对机器人交互必须的深度、轮廓、相对位置等几何信息敏感度极低。
如果要让机器人获得空间感知能力，此前行业的通用方案是搭配激光雷达、深度相机等硬件，再单独训练小模型适配，单台机器人的感知成本就超过千元，大规模落地难度极高。
此次开源的LingBot-Vision完全跳出了通用视觉模型的训练框架，首次将“边界识别”作为预训练阶段的核心目标。研发团队引入了掩码边界建模技术，在预训练阶段就优先让模型学习识别图像中信息最丰富的物体边缘、轮廓区域，不需要额外的深度数据标注，就能同步获得语义识别和几何空间感知能力。
公开测试数据显示，参数仅3B的LingBot-Vision，在密集空间感知的7项基准测试中平均得分超过了参数规模达17B的通用视觉大模型，部分涉及抓取边界识别的任务指标领先幅度超过20%，同时推理延迟仅为同类大模型的1/5，可直接部署在机器人端侧的普通算力芯片上运行。
此次Robbyant开源的内容不仅包含LingBot-Vision的全部预训练权重，还同步开放了面向工业、家用场景的微调数据集和推理部署工具，中小团队不需要投入百万级的训练成本，最快3天就能完成适配，让自己的机器人产品获得精准空间感知能力。
据了解，Robbyant后续还计划将LingBot-Vision与自研的具身动作规划框架打通，推出端到端的具身智能开发套件，预计可将服务类机器人的交互任务成功率提升至少30%，推动具身智能产品从实验室测试走向大规模商用落地。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号