أخبار ar.wedoany.com، أعلنت شركة لينغبو للتكنولوجيا (Lingbo Technology)، التابعة لمجموعة أنت غروب (Ant Group) والمتخصصة في مجال الذكاء الجسدي (Embodied AI)، في 7 يوليو/تموز عن إطلاق نموذج الإدراك المكاني LingBot-Depth 2.0، الذي تم تدريبه على 150 مليون بيانات، محققًا ترقية شاملة في وضوح الحواف، والتعرف على الأجسام الدقيقة، وتقدير العمق عن بُعد، والمتانة في السيناريوهات المعقدة.
يُعد LingBot-Depth نموذجًا للإدراك المكاني طورته لينغبو ذاتيًا، وهو بمثابة عيون الروبوت في العالم المادي. كان الإصدار السابق قد حل مشكلة الإدراك المكاني للروبوت في السيناريوهات المعقدة مثل الأجسام الشفافة والعاكسة. مقارنةً بـ LingBot-Depth 1.0، تم توسيع بيانات التدريب للإصدار 2.0 من 3 ملايين إلى 150 مليون بيانات، مع ترقية شاملة للأداء: حصل على 12 مركزًا أول من أصل 16 تقييمًا في معايير استكمال العمق؛ وفي أصعب السيناريوهات الداخلية ذات الفقدان الكبير للعمق، انخفض خطأ العمق إلى النصف مقارنة بالإصدار السابق، حيث انخفض RMSE من 0.132 إلى 0.062؛ وكان الأداء بارزًا بشكل خاص في السيناريوهات التي تفشل فيها كاميرات العمق التقليدية، مثل الزجاج والمرايا والأجسام الشفافة.
كما تم إطلاق النموذج الأساسي البصري LingBot-Vision الخاص بـ LingBot-Depth 2.0 بالتزامن معه، مما يشكل سلسلة قدرات الروبوت من "الفهم" إلى "الدقة في الرؤية"، بهدف مواجهة التحديات الأساسية للرؤية الروبوتية في الإدراك المكاني، والتعرف الدقيق، والتكيف مع البيئات المعقدة.
يعود التقدم الكبير في LingBot-Depth 2.0 إلى قدرات التمثيل البصري المتميزة لـ LingBot-Vision. بصفته نموذجًا بصريًا عامًا، يُعد LingBot-Vision أول نموذج أساسي بصري في القطاع يجعل "البنية الحدودية" هدفًا للتدريب المسبق، محققًا نقلة نوعية في نموذج التدريب على الإدراك المكاني، ويمتلك قدرة على تحديد الحدود بدقة دون البكسل وفهم البنية المكانية، مما يوفر قدرة إدراك مكاني أكثر دقة واستقرارًا.
تبلغ بيانات التدريب المسبق لـ LingBot-Vision 160 مليون صورة فقط، وهي أصغر بمرتبة واحدة من DINOv3، ومع ذلك فإن دقة تقدير العمق تفوق DINOv3؛ كما أن LingBot-Vision مستقر بما يكفي في تحديد حدود الأجسام، مما يسمح بتتبع مستمر لحدود الأجسام في الفيديو. أتاحت LingBot-Vision هذه المرة 4 إصدارات مفتوحة المصدر: ViT-G/L/B/S.
وفقًا للمعلومات، فإن LingBot-Vision، بالإضافة إلى دعم تدريب LingBot-Depth 2.0، يتمتع بقدرة عامة على "استخدام نموذج واحد لمهام متعددة".
حاليًا، حصل LingBot-Depth 2.0 على شهادة احترافية من مختبر الرؤية العميقة التابع لشركة أوبيغوانغ (Orbbec). أظهرت الاختبارات في السيناريوهات الفعلية، استنادًا إلى البيانات الأولية ثلاثية الأبعاد على مستوى الرقاقة التي توفرها كاميرات Gemini 330 ثنائية العينين ثلاثية الأبعاد من أوبيغوانغ، أن LingBot-Depth 2.0 حقق تحسنًا ملحوظًا في وضوح الحواف، واكتمال محيط الأجسام، والتعرف على الأجسام الدقيقة، وتقدير العمق عن بُعد، والمتانة في سيناريوهات الإضاءة المعقدة والمواد المختلفة.
فيما يتعلق بالتسويق، أقامت لينغبو التابعة لأنت غروب تعاونًا عميقًا مع أوبيغوانغ في العديد من الجوانب. وفقًا للمعلومات، في مصفوفة منتجات جمع البيانات بدون هيكل التي أطلقتها أوبيغوانغ مؤخرًا، ستتكيف أجهزة EGO بنسخة RGB-D مع إصدار LingBot-Depth المحسّن خصيصًا لسيناريوهات جمع البيانات من لينغبو، وسيتم دمج إصدارات تجارية أكثر تقدمًا لاحقًا، لمواصلة تعويض فقدان العمق، وتحسين حواف الأجسام وتفاصيل البنية المكانية، مما يوفر قاعدة بيانات أكثر دقة واستقرارًا وقابلية للاستخدام من العالم الحقيقي لتدريب نماذج الذكاء الجسدي.
بالإضافة إلى ذلك، ستطلق أوبيغوانغ منتج SDK يدمج أحدث قدرات نموذج LingBot-Depth، لاستخدامه من قبل عملاء الروبوتات على الجهاز الطرفي، مما يمنح الروبوتات التي تستخدم كاميرات Gemini 330 تأثيرات عمق أفضل؛ وتخطط لإطلاق منتج كاميرا متكامل يدمج النسخة التجارية من LingBot-Depth بحلول نهاية العام، لتحقيق تسليم متكامل لـ "كاميرا ثلاثية الأبعاد + قدرة الإدراك المكاني". مع إطلاق النموذجين، من المتوقع أن يمتد التعاون بين الطرفين إلى مجالات أكثر.
حاليًا، تم فتح المصدر للتقارير التقنية للنموذجين وأوزان نموذج LingBot-Vision. صرحت لينغبو للتكنولوجيا التابعة لأنت غروب بأنها تأمل في بناء قاعدة الرؤية الروبوتية مع القطاع بطريقة مفتوحة، لتمكين الروبوتات من تجاوز العقبات القطاعية في "الفهم والدقة والثبات" في العالم المادي الحقيقي، وتسريع التطبيق الواسع النطاق لصناعة الذكاء الجسدي.
