Подразделение embodied AI компании Ant Group, Robbyant, представило модель пространственного восприятия LingBot-Depth 2.0 и базовую визуальную модель LingBot-Vision. В компании говорят, что система помогает роботам точнее распознавать стекло, зеркала и прозрачные объекты. Для машинного зрения это остаётся одной из давних проблем.
Как пишет South China Morning Post, в Robbyant заявили, что LingBot-Vision стала первой моделью такого типа, которую специально обучали распознаванию границ объектов. По данным компании, модель способна определять контуры с точностью до доли пикселя, за счёт чего лучше понимает трёхмерное пространство вокруг робота.
Согласно исследовательской статье команды Robbyant, LingBot-Vision превзошла модель DINOv3 с 7 млрд параметров по нескольким метрикам в тесте NYUv2 depth-estimation benchmark. В компании утверждают, что этого удалось добиться при использовании одной седьмой от числа параметров конкурирующей модели и менее трети объёма обучающих данных. LingBot-Vision также служит основой для работы LingBot-Depth 2.0.
Ключевые факты
LingBot-Vision, по заявлению Robbyant, обучалась специально для распознавания границ объектов
Модель определяет контуры объектов с точностью до доли пикселя, утверждает компания
В тесте NYUv2 depth-estimation benchmark LingBot-Vision сравнивали с DINOv3 на 7 млрд параметров
По данным Robbyant, модель использовала одну седьмую от числа параметров DINOv3 и менее трети обучающих данных