Стекло больше не помеха. Китайский ИИ для роботов вдвое снизил ошибки глубины

Сама идея звучит почти как фокус: модель точнее работает там, где обычные depth-сенсоры путаются на стекле, зеркалах и других отражающих поверхностях. Для сервисных и промышленных роботов это уже не мелочь. Тут на кону навигация, захват предметов и просто нормальная безопасность рядом с человеком.

LingBot-Depth 2.0 — это продолжение первой версии платформы, только с другим набором алгоритмов для обработки визуальных данных. По словам компании, при обучении использовали около 150 млн примеров. В независимых тестах система заняла первое место в 12 из 16 популярных бенчмарков по восстановлению карт глубины. И есть самый болезненный случай: когда глубина теряется из-за прозрачных или отражающих материалов, средняя ошибка снизилась больше чем вдвое — RMSE упал с 0,132 до 0,062.

В основе новинки лежит модель LingBot-Vision. Robbyant делает ставку на предварительное обучение, которое смотрит прежде всего на «структуру границ» объектов. Если совсем просто, система учится аккуратнее видеть контуры предметов и их геометрию, причем до субпиксельного уровня. Для робота это важно не ради красивой картинки. Ему нужно не просто заметить стул, а понять, где у него кромка, где ножка и сколько свободного места рядом.

Партнером по практическим испытаниям стала Orbbec. В лаборатории Depth Vision Laboratory систему гоняли на стереокамерах Gemini 330. После этого компании заявили о лучшем распознавании границ объектов, мелких деталей, удаленных целей и сцен со сложным светом. Параллельно Robbyant и Orbbec объявили о совместной разработке платформы RGB-D EGO для сбора более качественных датасетов под embodied AI — ИИ, который работает не в чате, а в физическом мире.

За этим анонсом виден более широкий тренд. Крупные игроки давно пытаются научить машины действовать в реальной среде: Google DeepMind развивает RT-2 для роботов, NVIDIA продвигает стек Isaac и GR00T для гуманоидов. Проблема при этом старая и очень приземленная: стекло и зеркала ломают не только дешевые камеры, но и вполне серьезные системы глубины. Поэтому любое улучшение в этой зоне быстро превращается в преимущество для складской автоматики, сервисных машин и мобильных платформ.

Рынок для таких решений уже давно не выглядит лабораторной историей. По данным International Federation of Robotics, в мире в 2023 году установили более 540 тысяч промышленных роботов. Каждый новый виток автоматизации поднимает спрос на более надежное машинное зрение. Следующая проверка для LingBot-Depth 2.0 пройдет не в бенчмарках, а в реальных внедрениях: если система подтвердит точность на складах, в магазинах и на производстве, у Orbbec и Robbyant появится шанс заметно закрепиться в сегменте, где долго держались поставщики камер и сенсоров, а не собственных ИИ-моделей.