Robbyant запустила LingBot-Depth 2.0 для восприятия стекла роботами

Robbyant, una división de la empresa china Ant Group enfocada en inteligencia artificial incorporada, ha lanzado dos nuevos modelos de visión por computadora: LingBot-Depth 2.0 y LingBot-Vision. Estos modelos fueron diseñados para resolver uno de los desafíos técnicos más antiguos y complejos de la robótica: la capacidad de los robots de percibir e interactuar correctamente con objetos transparentes, incluyendo vidrio, espejos y otras superficies de cristal.

Cómo los robots perdieron el vidrio de vista

Para la visión por computadora de un robot, el vidrio y los espejos son un clásico "punto ciego". Los sistemas tradicionales de visión de máquina se basan en sensores infrarrojos (sistemas IR activos) y LiDARs, que emiten luz u ondas de radio y analizan su reflexión en los objetos. Los materiales transparentes transmiten o dispersan estas señales de manera inesperada, haciendo que la percepción de profundidad y la ubicación del objeto sean imprecisas.

Como resultado, un robot en el mundo real puede chocar con una puerta de vidrio o errar al intentar agarrar una copa de cristal. Este problema es particularmente grave para aplicaciones robóticas en logística, comercio electrónico y automatización del hogar, donde el vidrio se encuentra en todas partes.

Qué pueden hacer los nuevos modelos de Robbyant

LingBot-Depth 2.0 es la próxima generación de un modelo de percepción espacial que se basa en visión por computadora en lugar de solo en sensores de hardware. El modelo está entrenado para reconocer y percibir vidrio, espejos y objetos semi-transparentes, permitiendo que los robots construyan un mapa tridimensional más preciso de su entorno.

LingBot-Vision es un modelo fundamental de visión por computadora que sirve como base para desarrollar otros sistemas de IA visual especializados. Por analogía con la forma en que los grandes modelos de lenguaje como GPT se utilizan como base para crear asistentes especializados, LingBot-Vision puede adaptarse para varias tareas robóticas, desde la automatización de almacenes hasta la robótica del hogar.

• LingBot-Depth 2.0 — modelo de percepción espacial de próxima generación para la percepción de objetos transparentes
• LingBot-Vision — modelo fundamental de visión por computadora para robótica
• Problema objetivo: los sensores tradicionales no pueden ver vidrio ni espejos
• Enfoque: cambio hacia visión por computadora en lugar de dependencia total de IR/LiDAR
• Desarrollador: Robbyant (una división de Ant Group, China)

Contexto: la carrera en IA incorporada

El lanzamiento de LingBot marca una intensificación de la competencia global entre laboratorios de IA en el desarrollo de capacidades de percepción para robots físicos. A medida que los modelos de visión por computadora se vuelven cada vez más potentes (especialmente modelos multimodales como GPT-4V o Claude 3.5 Vision), las empresas de robótica se están alejando de la dependencia total de sensores de hardware especializados hacia sistemas de percepción basados en visión más universales.

Esta estrategia se adapta bien a Ant Group, que tiene una experiencia significativa en logística, comercio electrónico (a través de Alibaba) y fintech. Todas estas áreas requieren automatización masiva de robots, incluyendo manipulación de objetos pequeños y navegación en entornos complejos.

Qué significa esto

El lanzamiento de LingBot-Depth 2.0 y LingBot-Vision muestra que la visión por computadora de robots ha madurado lo suficiente para resolver problemas de ingeniería reales y específicos. Esto podría llevar a sistemas robóticos más económicos y versátiles que se basan en poderosos modelos de IA en lugar de sensores especializados costosos. En el futuro, los robots podrán trabajar en entornos domésticos e industriales ordinarios sin equipos especializados.