LingBot abre modelo-base de visão robótica reorganiza a reportagem chinesa para leitores em português. O ponto central é LingBot-Depth 2.0 and LingBot-Vision target the spatial perception layer that robots need before navigation and manipulation become reliable.
O que mudou
Os fatos verificáveis são: training samples expanded from 3 million to 150 million, reported first-place results across many depth-completion tests, DIODE-Indoor RMSE falling from 0.132 to 0.062, a roughly 1.1B-parameter flagship vision base model, and Orbbec integration plans. Eles ajudam a separar os dados concretos da linguagem de lançamento.
Por que importa
Robots fail on glass, mirrors, edges and occlusion; better depth completion lowers errors before planning even begins. Notícias de IA agora precisam ser avaliadas junto com custo, fornecimento, regulação e operação real.
O que observar
Developers need to verify which weights are fully open, how SDK integrations perform, and whether the depth model holds up on real sensors. A próxima prova está em implantações reais, testes de terceiros e uso sustentado depois do anúncio.
Fontes verificadas: QbitAI, Zhidongxi, DOIT, arXiv paper Vision Pretraining for Dense Spatial Perception and Hugging Face model cards, CocoLoop.