Китайская компания Robbyant представила новое поколение моделей искусственного интеллекта — LingBot-Depth 2.0 и LingBot-Vision — для улучшения пространственного восприятия робототехнических систем. По словам разработчиков, решения позволяют роботам точнее интерпретировать окружающую среду и стабильнее ориентироваться в сложных условиях эксплуатации.

Основа новой версии — предыдущая модель LingBot-Depth, в которой впервые применили технологию Masked Depth Modeling (MDM) для решения одной из ключевых задач компьютерного зрения: определения глубины объектов с прозрачными или отражающими поверхностями. В LingBot-Depth 2.0 разработчики расширили тренировочные возможности модели и существенно повысили её точность. Для обучения использовали около 150 млн образцов данных. По данным компании, модель показала лучшие результаты в 12 из 16 популярных тестов по восстановлению карт глубины, продемонстрировав повышенную точность и надёжность в реальных условиях.

Отдельное внимание уделялось сложным внутренним помещениям, где датчики глубины традиционно работают хуже. В сценариях с значительными потерями данных о глубине среднеквадратичная ошибка (RMSE) снизилась более чем в два раза — с 0,132 до 0,062 по сравнению с предыдущей версией. Новая система также лучше распознаёт объекты, затрудняющие работу обычных камер глубины, в том числе стеклянные поверхности, зеркала и другие прозрачные материалы, которые нередко приводят к ошибкам навигации.

Ключевой компонент улучшений — LingBot-Vision, предназначенная для визуального анализа окружения. Компания отмечает, что это первая в отрасли система, использующая для предварительного обучения целевую «структуру границ» объектов. Такой подход обеспечивает локализацию контуров с субпиксельной точностью и улучшает понимание пространственной структуры сцены. Несмотря на относительно небольшой набор данных для обучения — порядка 160 млн изображений — Robbyant утверждает, что производительность LingBot-Vision сопоставима с гораздо более крупными моделями. Модель стабильно определяет границы объектов и способна непрерывно отслеживать их контуры в видеопотоке.

Разработчики подчёркивают, что возможности LingBot-Vision не ограничены лишь поддержкой LingBot-Depth 2.0: модель создана как универсальная базовая платформа, пригодная для решения широкого круга задач в области компьютерного зрения, робототехники и других AI-приложений.