继2026年1月LingBot-Depth 1.0开源以来，团队收到了大量来自行业伙伴和开发者的反馈与期待。今天，全新一代空间感知模型LingBot-Depth 2.0正式发布，与之同步开源的还有视觉基座模型LingBot-Vision。从“看懂”到“看准”，这条能力链路正在被一步步构建，而这一切的出发点，正是为了应对机器人在空间感知、精细识别和复杂环境适应中的核心挑战。

从300万到1.5亿数据，模型能力全面升级

LingBot-Depth本质上是一个面向真实场景的深度补全模型，可以理解为机器人在物理世界中的“眼睛”。1.0版本已经解决了透明、反光、密集物体带来的空间感知难题，而2.0版本在此基础上实现了全面跃升。

训练数据的规模从300万扩充到了1.5亿——这个量级的变化带来的效果是显著的。在深度补全基准的16项测评中，LingBot-Depth 2.0拿下了12项第一。尤其是在室内大面积深度缺失这一公认的难题上，深度误差相比上一代直接减半：RMSE从0.132降到了0.062。玻璃、镜面、透明物体——这些传统深度相机最容易“失明”的场景，现在都能被补全出完整、平整的三维结构。

目前，LingBot-Depth 2.0已经通过了奥比中光深度视觉实验室的专业认证。实际场景的测试结果表明，基于奥比中光Gemini 330系列双目3D相机提供的芯片级原始数据，新模型在边缘清晰度、物体轮廓完整性、细小物体识别、远距离深度估计，以及复杂光照和材质场景的鲁棒性上，都有了肉眼可见的提升。

LingBot Depth 2.0通过奥比中光深度视觉实验室专业评测，在多型号传感器的空间和时域深度估计任务上，展现出了极高的精度和稳定性。

技术支撑：业内首创“边界结构”预训练的LingBot-Vision

LingBot-Depth 2.0的突破不仅仅来自数据量的积累。一个关键的因素在于，它背后有LingBot-Vision提供的视觉表征能力作为支撑。

这是一款通用的视觉基础模型，但它走了一条不太一样的路。区别于以往的建模方式，LingBot-Vision率先面向空间原生需求开启了几何建模，算得上是业内第一个把“边界结构”作为预训练目标的视觉基础模型——这本身就是空间感知训练范式上的一次突破。它拥有亚像素级的边界定位与空间结构理解能力，意味着更高精度、更稳定的空间感知。

有意思的是，LingBot-Vision的预训练语料只有1.6亿张图像，比DINOv3小了一个数量级。即便如此，与主流视觉基础模型相比，它对物体边界和空间结构的识别更清晰、更稳定，甚至在视频中也能连续追踪物体的边界。

与主流视觉基础模型相比，LingBot-Vision对物体边界和空间结构的识别更清晰、更稳定。

这次开源的LingBot-Vision包含4个版本——ViT-G/L/B/S。除了支撑LingBot-Depth 2.0的训练之外，它本身也具备“一模多用”的通用能力。

携手奥比中光，加速产业落地

在商业化落地上，团队与奥比中光已经展开了深度合作。奥比中光最新推出的无本体数据采集产品矩阵中，RGB-D版本的EGO设备将适配专门为数据采集场景优化的LingBot-Depth版本。后续还会进一步集成更高级别的商业版模型，持续补全深度缺失、优化物体边缘和空间结构细节，为具身智能模型的训练提供更精准、更稳定、更可用的真实世界数据底座。

此外，奥比中光计划推出集成LingBot-Depth最新模型能力的SDK产品，让使用Gemini 330系列相机的机器人在端侧就能获得更好的深度效果；更长远来看，年底前还将推出集成LingBot-Depth商业版的一体化相机产品，实现“3D相机+空间感知能力”的一体化交付。随着这两款模型的发布，双方的合作也有望延伸到更多领域。

目前，两款模型的技术报告和LingBot-Vision的模型权重已经开源。以开放的方式与行业共建机器人视觉底座，让机器人真正突破在物理世界中“看懂、看准、看稳”的瓶颈——这条路正在变得清晰，而具身产业的规模化落地，也许比想象中来得更快。

• Website：https://technology.robbyant.com/lingbot-vision

• Model：https://huggingface.co/collections/robbyant/lingbot-vision & https://www.modelscope.cn/collections/Robbyant/LingBot-Vision

• Code：https://github.com/robbyant/lingbot-vision

• Tech Report：https://github.com/robbyant/lingbot-vision/blob/main/paper.pdf