Ant Group、透明な物体を正確に検出できる AI でロボット工学に革命を起こす

Ant Group の組み込み人工知能部門である Robbyant は、ガラス、鏡、透明な物体を正確に識別するロボットの能力に革命をもたらすことを約束する新しいビジョン モデルの発表を発表しました。従来の深度センサーにとって透明な表面は悪名高い課題であるため、この進歩は複雑な環境における機械のナビゲーションにとって極めて重要です。
杭州にある Ant Group 支店は、先週の火曜日、高度な空間認識モデル LingBot-Depth 2.0 と新しい基本的な視覚モデル LingBot-Vision を発表しました。このプレゼンテーションは、機械が物理世界とインテリジェントに対話できるようにするテクノロジーを開発する AI 研究所による熾烈な世界的競争のさなかに発表されました。
Ant Lingbo Technology とも呼ばれる Robbyant 氏によると、これらの技術革新の組み合わせにより、ロボット工学における重大な課題を克服しようとしています。目標は、予測不可能な日常のシナリオでもロボットが「正確かつ安定して見る」ことができるようにすることです。同社は、これが物体のエッジを検出するために特別に設計およびトレーニングされた最初のモデルであることを強調しました。この機能により、人工知能はピクセルの一部に至るまで高精度で輪郭を識別できるようになり、ロボットの 3 次元空間の理解が大幅に向上します。
物体検出と 3D 空間における重要な進歩
LingBot-Vision は、現在業界を支配している Meta Platforms のオープンソース ビジョン モデルである DINOv3 と直接競合します。ただし、DINOv3 は巨大な計算規模を必要としますが、LingBot-Vision は優れた構造効率によって競合他社を上回るパフォーマンスを目指しています。
Robbyant チームが発表した研究では、深度推定に関する NYUv2 ベンチマークのいくつかの評価において、LingBot-Vision が 70 億のパラメーター (AI モデルの複雑さの指標) を持つ DINOv3 を上回ったことが詳しく説明されています。この結果は、競合他社のパラメータの 7 分の 1 とトレーニング データの 3 分の 1 未満を使用して達成されました。

優れたパフォーマンスとリソース効率
この新しいビジョン モデルは、LingBot-Depth 2.0 のコア コンポーネントとして機能し、その機能を推進します。 Robbyant が発表したように、1 億 5,000 万のサンプルを使用したトレーニングにより、LingBot-Depth 2.0 は 16 のグローバル デプス フィル ベンチマークのうち 12 でリードを獲得しました。
従来のカメラでは距離を測定できない厳しい屋内環境において、新しいモデルは以前のバージョンと比較して測定誤差を半減することができました。ロビーアント氏は、通常ロボットが方向感覚を失わせる表面の処理において顕著な進歩があり、ガラスや鏡面の物体の正確な距離マップを作成できるようになったと強調した。
イノベーションと AI の未来への取り組み
Robbyant は、LingBot-Vision のモデル重みのソース コードをリリースしました。同社は、この措置により業界連携と組み込みAIソリューションの商用化への取り組みが強化されると述べている。
Ant Group 部門は、急速に拡大する市場を活用するために、基本的なロボット工学モデルに多額の投資を行ってきました。同社はすでに1月に、ロボット工学向けの最初のAIモデルをオープンソースで利用できるようにしていた。その中でも、LingBot-VLA は際立っており、さまざまな分野でのロボットのよりスケーラブルな実装を目的とした、「万能脳」として機能するように設計された視覚-言語-行動モデルです。
アント・グループは、サウスチャイナ・モーニング・ポスト報道機関も所有する複合企業であるアリババ・グループ・ホールディングの関連会社であることに注意することが重要です。






