问题——三维感知“盲区”制约智能终端落地。近年来，机器人家庭服务、仓储分拣、工业巡检等场景加速应用，但“看得见、看得准”仍是基础能力。尤其在真实环境中，玻璃器皿、镜面材质、不锈钢设备等透明或高反光物体普遍存在，一旦深度信息缺失，机器人在抓取、避障、定位等关键动作上就可能误判，影响安全与效率。行业普遍认为，在复杂材质条件下能否获得稳定可靠的深度图，是衡量空间感知能力的重要指标之一。 原因——传统深度相机受光学物理约束，数据缺失难以避免。深度相机依赖特定成像与测距机制，在透明介质或高反射表面往往出现有效回波不足、噪声增大、边缘断裂等问题，导致深度图出现“空洞”或异常值。对消费级设备而言，成本、体积与功耗受限，单靠堆更高规格传感器来覆盖复杂材质并不现实；在算法侧，如果缺少高质量数据与针对性建模，也很难兼顾细节与稳定性。这使透明、反光物体长期成为机器视觉的难点。 影响——补齐深度信息有望提升机器人操作可靠性与场景适配度。蚂蚁灵波科技此次开源的LingBot-Depth，聚焦环境深度感知与三维空间理解能力提升。据介绍，该模型基于奥比中光Gemini330系列双目3D相机的芯片级原始数据进行训练与验证，针对深度缺失或异常情况，可融合彩色图像中的纹理、轮廓与环境上下文信息，对缺失区域进行推断与补全，输出更完整、更致密、边缘更清晰的深度图。业内人士认为，若模型在多环境、多材质条件下保持稳定，将直接改善机器人在高难物体周边的避障与操作表现，也有助于降低部署门槛，推动智能终端从“可用”走向“好用”“可靠”。 对策——以“算法+数据”提升鲁棒性，推动开放协同完善生态。针对透明与反光材质带来的深度缺失，灵波科技提出“掩码深度建模”（MDM）思路：当深度数据存在缺口时，引入RGB信息进行补全推断，以增强模型在复杂物理条件下的鲁棒性。开源策略为行业提供了可复用的技术底座：一上，高校与企业可统一框架上复现、评测与二次开发，缩短从研究到应用的路径；另一上，更广泛的场景数据与问题反馈也有望回流，推动模型在边界场景持续迭代。此外，面向实际落地仍需完善评测体系，例如透明与反光物体的标准化数据集、不同光照与背景条件下的稳定性指标，以及与机械臂控制、路径规划等模块的协同效果评估。 前景——空间感知模型或成具身智能“底座能力”，产业竞争进入体系化阶段。随着具身智能从单点能力比拼转向系统工程，空间感知正与多模态理解、决策规划、运动控制共同构成关键技术链条。灵波科技在2025外滩大会后首次亮相，时隔半年公布这一成果，显示其正加速在技术底座方向布局。结合企业披露将陆续开源多款具身智能模型的计划，可以预见，未来行业竞争将更多体现为“数据—模型—工程化—场景闭环”的系统能力。对产业而言，若更多基础模型与关键工具实现开放共享，有助于形成分工协作的创新格局，推动机器人、自动驾驶等领域在复杂环境中的可靠运行；同时也对安全合规、数据质量，以及模型在关键场景中的可解释性与可验证性提出更高要求。
此次技术开源表明了国内科技企业在关键能力上的持续投入，也反映出人工智能正在从软件算法加速走向软硬件协同的基础能力建设。在全球竞争加剧的背景下，持续攻克核心技术、夯实工程化与落地能力，才能提升国际竞争力。未来随着更多自主创新成果落地，“中国智造”有望在全球智能产业生态中承担更重要的角色。