Ant Group تفتح الشيفرة المصدرية لـ LingBot-Vision: نموذج 1B للإدراك المكاني للروبوتات

أعلنت شركة Ant Group التابعة لشركة Robbyant بتاريخ 7 يوليو 2026 عن نشر LingBot-Vision بشكل علني — وهو عائلة من نماذج Vision Transformer ذاتية الإشراف تحتوي على مليار معامل لمهام الإدراك المكاني الكثيف. إلى جانب الكود، قدمت الفريق طريقة masked boundary modeling التي تجعل حدود الكائنات إشارة تدريبية أصلية.

ما هو masked boundary modeling

في الأساليب الكلاسيكية لمشفر الآلي الموسّر، تخدم رقع البكسل المخفية كإشارة تدريبية: يعيد النموذج بناء مناطق الصورة الموسّرة ويشكل فهماً عاماً للمحتوى البصري. يقوم LingBot-Vision بتبديل الإشارة — تصبح حدود الكائنات نفسها هي المعلومات المستهدفة.

تنبع الفكرة من ملاحظة بسيطة: الحدود بين الكائنات تحمل معلومات مكانية كثيفة — حيث ينتهي الكائن، كيف يتم ترتيب هندسة المشهد، ما هي شكل الأسطح. يتعلم النموذج التعرف على هذه الحدود وإعادة بنائها. بالنسبة للأنظمة الروبوتية، هذا نوع حرج من المعرفة: لا يحتاج الروبوت فقط إلى التعرف على أن هناك طاولة أمامه، بل يجب أن يفهم بدقة أين تبدأ وتنتهي في الفضاء.

الطريقة ذاتية الإشراف بالكامل: لا تُطلب أي تعليقات يدوية. يستخرج النموذج إشارة التدريب مباشرة من بنية الصور — تحضير البيانات أرخص بشكل أساسي مقارنة بالأساليب الموجَّهة.

لماذا يتفوق نموذج 1B على النظائر الأكبر

النتيجة الرئيسية لـ Robbyant: العمود الفقري 1B من LingBot-Vision في مهام الإدراك المكاني الكثيف يساوي أو يتفوق على النماذج الأكبر. بشكل ملحوظ، هذا يتعلق بعمارة ViT: عادة ما تستفيد أعمدة Vision Transformer الفقرية من التوسع — وبالتالي، النتائج العالية بمليار معامل تتحدث بشكل أساسي عن كفاءة إشارة التدريب نفسها.

الخصائص الرئيسية للنموذج:

• عدد المعاملات: مليار (عمود ViT 1B)
• طريقة التدريب: masked boundary modeling بدون تعليقات يدوية
• المهمة المستهدفة: الإدراك المكاني الكثيف
• التطبيق في النظام البيئي: تهيئة LingBot-Depth 2.0
• تاريخ الإصدار العام: 7 يوليو 2026

يغطي الإدراك المكاني الكثيف تقدير العمق وفهم هندسة السطح والكشف الدقيق عن الكائنات في الفضاء ثلاثي الأبعاد — توفر معلومات الحدود الفائدة القصوى بالفعل هناك. تخدم LingBot-Vision أيضاً كأساس أوزان لـ LingBot-Depth 2.0، وهو نظام إدراك العمق من نفس النظام البيئي Robbyant، مما يشير إلى نهج منهجي: تبني Ant Group بشكل متسق كومة مترابطة من مكونات الرؤية لتطبيقات الروبوتات.

الكود المفتوح لتطوير المنافذ

Ant Group عملاق تمويل، الشركة الأم للعبة Alipay، وهي من أكبر لاعبي التكنولوجيا في الصين. Robbyant هي قسمها المركز على الأنظمة الروبوتية والذكاء الاصطناعي للعالم المادي.

يندرج الإطلاق العام لـ LingBot-Vision ضمن استراتيجية ملحوظة لمختبرات الذكاء الاصطناعي الكبرى في الصين: نشر نماذج تنافسية بشكل علني، وضع معايير في المنافذ المستهدفة. يقلل نشر الكود والأوزان من حاجز الدخول للفرق التي تعمل على إدراك الروبوت، ورؤية الحاسوب الصناعية والأنظمة المستقلة. لكن طريقة masked boundary modeling مفتوحة للتكيف: يمكن للباحثين تجربة أنواع أخرى من الإشارات الهيكلية على نفس الأساس المعماري.

ما معنى هذا

توضح LingBot-Vision: في مهام الإدراك المكاني، تأثير إشارة التدريب الصحيحة أكثر من مقياس النموذج. بالنسبة للمهندسين والباحثين الذين يعملون على إدراك ثلاثي الأبعاد والروبوتات، هذا أساس مفتوح المصدر جاهز بدون تعليقات بيانات مكلفة. طريقة masked boundary modeling كطريقة واعدة في حد ذاتها: فهي تفتح فرصاً للتجريب مع أنواع المعلومات الهيكلية المستخرجة من الصور بدون تعليقات.