Robbyant lança LingBot-Depth 2.0 para robôs perceberem vidro

A Robbyant, divisão da Ant Group focada em inteligência artificial incorporada, lançou dois novos modelos de visão computacional: LingBot-Depth 2.0 e LingBot-Vision. Eles foram desenvolvidos para resolver um dos problemas mais antigos e tecnicamente difíceis da robótica: fazer com que os robôs percebam corretamente objetos transparentes, incluindo vidro, espelhos e outras superfícies de vidro, e interajam com eles.

Como os robôs ignoravam o vidro

Para a visão computacional de um robô, vidro e espelhos são um clássico ponto cego. Os sistemas tradicionais de visão de máquina dependem de sensores infravermelhos (sistemas IR ativos) e lidares, que emitem luz ou ondas de rádio e analisam o reflexo nos objetos. Materiais transparentes transmitem ou dispersam esses sinais de maneira imprevista, tornando imprecisa a percepção de profundidade e da posição do objeto.

Como resultado, no mundo real um robô pode bater em uma porta de vidro ou errar ao tentar pegar um cálice de vidro. O problema é especialmente grave para aplicações de robótica em logística, e-commerce e automação residencial, onde o vidro está em toda parte.

O que os novos modelos da Robbyant fazem

O LingBot-Depth 2.0 é a próxima geração de um modelo de percepção espacial (spatial perception model) que se apoia em visão computacional, e não apenas em sensores de hardware. O modelo foi treinado para distinguir e perceber vidro, espelhos e objetos translúcidos, permitindo que os robôs construam um mapa tridimensional mais preciso do ambiente.

O LingBot-Vision é um modelo de base de visão computacional que serve de alicerce para o desenvolvimento de outros sistemas de IA visual especializados. Assim como grandes modelos de linguagem como o GPT são usados como base para criar assistentes especializados, o LingBot-Vision pode ser adaptado a diversas tarefas de robótica, da automação de armazéns à robótica doméstica.

• LingBot-Depth 2.0: modelo de percepção espacial de nova geração para perceber objetos transparentes
• LingBot-Vision: modelo de base de visão computacional para robótica
• Problema-alvo: sensores tradicionais não enxergam vidro e espelhos
• Abordagem: migrar para a visão computacional em vez de depender totalmente de IR/lidar
• Desenvolvedora: Robbyant (divisão da Ant Group, China)

Contexto: a corrida da IA incorporada

O lançamento do LingBot indica uma competição global cada vez mais acirrada entre laboratórios de IA para desenvolver capacidades de percepção para robôs físicos. À medida que os modelos de visão computacional ficam mais poderosos (principalmente os multimodais, como GPT-4V ou Claude 3.5 Vision), as empresas de robótica começam a se afastar da dependência total de sensores de hardware especializados e a caminhar para sistemas de percepção mais universais, baseados em visão.

Isso se encaixa estrategicamente na Ant Group, que tem experiência considerável em logística, e-commerce (por meio da Alibaba) e fintech. Todas essas áreas exigem automação robótica em larga escala, incluindo a manipulação de objetos pequenos e a navegação em ambientes complexos.

O que isso significa

O lançamento do LingBot-Depth 2.0 e do LingBot-Vision mostra que a visão computacional dos robôs amadureceu o suficiente para resolver problemas de engenharia reais e específicos. Isso pode levar a sistemas robóticos mais baratos e versáteis, que se apoiam em modelos de IA poderosos em vez de sensores especializados caros. No futuro, os robôs poderão trabalhar em ambientes domésticos e industriais comuns sem equipamento especial.