LingBot-Vision — نموذج رؤية حاسوبية مجاني من Ant Group

أطلقت Ant Group مجانًا نموذج LingBot-Vision، وهو عائلة من نماذج الرؤية الحاسوبية مفتوحة المصدر بحجم 1 مليار معامل، مخصصة للإدراك المكاني في مجال الروبوتات.

ما هو masked boundary modeling

في أساليب masked autoencoder التقليدية، تكون إشارة التدريب هي رقع البكسلات المخفية: يعيد النموذج بناء المناطق المحجوبة من الصورة، ويكوّن بذلك فهمًا عامًا للمحتوى البصري. أما LingBot-Vision فيغيّر هذه الإشارة، إذ تصبح حدود الأجسام نفسها هي المعلومات المستهدفة.

تنطلق الفكرة من ملاحظة بسيطة: الخطوط الفاصلة بين الأجسام تحمل معلومات مكانية كثيفة، مثل المكان الذي ينتهي عنده الجسم، وكيف تتشكل هندسة المشهد، وما شكل الأسطح. ويتعلم النموذج التعرف على هذه الخطوط وإعادة بنائها. وهذا النوع من المعرفة بالغ الأهمية للأنظمة الروبوتية، فالروبوت لا يكفيه أن يتعرف على أن أمامه طاولة، بل عليه أن يحدد بدقة أين تبدأ وأين تنتهي في الفضاء.

الأسلوب ذاتي التعلم بالكامل ولا يتطلب تصنيفًا يدويًا للبيانات. إذ يستخرج النموذج إشارة التدريب مباشرة من بنية الصور، ما يجعل إعداد البيانات أقل كلفة بكثير مقارنة بالأساليب الخاضعة للإشراف (supervised).

لماذا يتفوق نموذج 1B على نماذج أكبر

النتيجة الأبرز التي أعلنتها Robbyant هي أن هيكل LingBot-Vision الأساسي (1B backbone) يضاهي، في مهام الإدراك المكاني الكثيف، نماذج أكبر منه حجمًا أو يتفوق عليها. والجدير بالذكر أن الحديث يدور تحديدًا عن بنية ViT: فهياكل Vision Transformer تستفيد عادةً من توسيع الحجم، ولذلك فإن النتائج العالية بحجم 1 مليار معامل تدل في المقام الأول على كفاءة إشارة التدريب نفسها.

أبرز خصائص النموذج:

• عدد المعاملات: 1 مليار (1B ViT backbone)
• أسلوب التدريب: masked boundary modeling دون تصنيف يدوي
• المهمة المستهدفة: dense spatial perception — الإدراك المكاني الكثيف
• الاستخدام ضمن المنظومة: تهيئة LingBot-Depth 2.0
• تاريخ الإتاحة المفتوحة: 7 يوليو 2026

يشمل الإدراك المكاني الكثيف (dense spatial perception) تقدير العمق، وفهم هندسة الأسطح، وكشف الأجسام بدقة في الفضاء ثلاثي الأبعاد، وهي المجالات التي تحقق فيها معلومات الحدود أكبر مكسب. كما يوفّر LingBot-Vision أوزان الانطلاق لنظام LingBot-Depth 2.0، وهو نظام إدراك العمق ضمن منظومة Robbyant نفسها، ما يشير إلى نهج منظومي: فـ Ant Group تبني بصورة متسقة حزمة مترابطة من مكونات الرؤية الحاسوبية لتطبيقات الروبوتات.

كود مفتوح لتطوير هذا المجال

تُعد Ant Group عملاق التقنية المالية والشركة الأم لـ Alipay، وإحدى أكبر الشركات التقنية في الصين. أما Robbyant فهي قسمها المتخصص في الأنظمة الروبوتية والذكاء الاصطناعي للعالم المادي.

يندرج إطلاق LingBot-Vision مفتوحًا ضمن استراتيجية واضحة لدى مختبرات الذكاء الاصطناعي الصينية الكبرى: نشر نماذج منافسة للعموم بهدف ترسيخ المعايير في مجالات متخصصة. ويخفض نشر الكود والأوزان عتبة الدخول أمام الفرق التي تعمل على الإدراك الروبوتي والرؤية الحاسوبية الصناعية والأنظمة ذاتية القيادة. كما أن منهج masked boundary modeling مفتوح للتكييف، إذ يستطيع الباحثون تجربة أنواع أخرى من الإشارات البنيوية فوق القاعدة المعمارية نفسها.

ماذا يعني ذلك

يبيّن LingBot-Vision أن إشارة التدريب الصحيحة أهم من حجم النموذج في مهام الإدراك المكاني. وبالنسبة للمهندسين والباحثين العاملين على الإدراك ثلاثي الأبعاد والروبوتات، فهو أساس مفتوح المصدر جاهز للاستخدام، دون الحاجة إلى تصنيف بيانات مكلف. كما أن masked boundary modeling واعد بحد ذاته كأسلوب، إذ يتيح تجربة أنواع من المعلومات البنيوية التي يمكن استخراجها من الصور دون تصنيف يدوي.