机器人终于能看透玻璃镜子了。

于7月7月, 蚂蚁所属的灵波科技抛出了一枚重磅炸弹, 他们公布了全新的名为-.0的空间感知模型, 这一事物如同给机器人配备有更为聪慧的眼睛, 以往机器人面对透明物体以及反光表面时常常出现识别偏差的状况即所谓的“瞎眼”, 而现在这一弊端被完全攻克。

此次予以发布的并非单单只是-.0, 还存在着一个视觉基座模型-, 此二者有机组合到一块儿, 进而打造构建成了从“看懂”朝着“看准”方向发展的完备完整能力链路, 这便意味着机器人不再仅仅只是模模糊糊地去感知周边环境, 而是能够精确精准地去理解空间结构。

数据量级暴涨百倍

.0模型背后用于训练的数据实现了质的飞跃, 之前的1.0版本所使用的是规模为300万的数据集, 而如今的-.0版本, 其数据量一下子扩充到了1.5亿, 这构成了一个百倍的巨大跨越。

各种极端场景被海量的数据让模型见识过, 无论是在强光的状况之下, 还是在室内环境复杂纷繁多变的情况下, -.0都能够应对自如、表现出色, 这种数据规模呈现出扩大之态势, 性能迎来了全面升级且直接达成, 它并非只是理论空谈, 而是切实拥有了处理现实世界复杂情形状况的能力。

深度误差减半突破

于实际测试当中, -.0的呈现令人赞叹不已。于深度补全基准的16项测评之内, 它获得了12项第一名。此成绩极为过硬, 表明其于行业标准测试里位居领先位置。尤其是在最为艰难的室内大面积深度缺失场景之中, 它的表现更是格外突出。

跟以往那一代相比较而言, -.0的深度误差直接减少了一半。具体表明的指标当中, 均方根误差由0.132下降到了0.062。这个数值的下降究竟意味着什么呢? 就是意味着机器人所看到的三维图像变得愈发真实、精准。对于那些需要高精度进行操作的机器人来讲, 这属于具有革命性的进步。

攻克透明物体难题

什么样的情况是传统深度相机最为惧怕的呢? 其惧怕的是玻璃, 惧怕的是镜子, 惧怕的是透明塑料瓶。在这些物体处于面前的状况下, 通常普通相机却会失效, 进而致使机器人发生碰撞或者出现无法识别的情形。-.0是专门针对这些存在的痛点而展开了优化工作。它在玻璃、镜面这类存在困难的场景当中的表现是格外突出的。

它可以补全出完整的三维结构, 且该三维结构是平整的, 哪怕物体呈现透明状态, -.0也能够凭借细微的光影变化以及边界信息, 推断出物体的真实形状, 这使得机器人在充满玻璃制品的家庭服务、仓储物流等环境里, 能够安全且高效地开展工作。

首创边界结构预训练

.0这般厉害, 是脱离不了其底层的视觉基座模型的, 此模型是业内首个将“边界结构”当作预训练目标的视觉基础模型, 这属于一个技术范式的重大突破, 传统的模型或许更注重颜色或者纹理, 而它专注于物体的边缘以及空间结构。

具备亚像素级别的边界定位能力, 它能够于视频里对物体边界进行连续追踪, 判定极为稳定, 并且, 其预训练语料仅仅是1.6亿张图像, 相较于某些竞品小一个数量级, 然而, 有意思的是, 它的深度估计精度却比那些数据量更大的模型还要出色, 这表明算法效率非常高。

开源助力产业落地

蚂蚁灵波实施了开放策略, 把-.0的技术报告以及-的模型权重都予以开源, 当下开源了四个版本, 囊括了ViT-G、L、B、S, 如此这般来做是为了降低行业门槛, 使得更多开发者投身到机器人视觉底座的建设里头。

他们期望借由这样的方式, 跟行业一同构建生态, 目标是促使机器人突破在真实物理世界当中“看懂、看准、看稳”的瓶颈, 唯有当基础能力足够强劲时候, 具身智能产业才能够加快规模化落地, 切实走进千家万户。

软硬结合商业变现

就算技术再怎么好, 那也意味着需要具备能够实现盈利这个能力。灵波科技已然同奥比中光开展了深度方面的合作。奥比中光所拥有的RGB-D版本EGO设备会去适配专门针对数据采集进行优化的-.0版本。在后续阶段还会集成级别更高的商业版模型。

供机器人客户在终端使用的, 由奥比中光推出的SDK产品, 具备集成-.0能力, 计划在年底推出一体化相机产品, 实现“3D相机+空间感知能力”的一体化交付, 这种软硬结合的模式, 让技术快速转化为生产力, 为具身智能提供坚实的数据底座。

你觉得机器人什么时候能完全替代人类做家务？欢迎留言讨论。