Robbyant запустила LingBot-Depth 2.0 для восприятия стекла роботами

Robbyant, uma divisão da empresa chinesa Ant Group focada em inteligência artificial incorporada, lançou dois novos modelos de visão computacional: LingBot-Depth 2.0 e LingBot-Vision. Esses modelos foram desenvolvidos para resolver um dos desafios técnicos mais antigos e complexos da robótica — a capacidade dos robôs de perceber e interagir corretamente com objetos transparentes, incluindo vidro, espelhos e outras superfícies de vidro.

Como os robôs perderam o vidro de vista

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 LiDARs, que emitem luz ou ondas de rádio e analisam a reflexão dos objetos. Materiais transparentes transmitem ou dispersam esses sinais de forma inesperada, tornando a percepção de profundidade e a localização do objeto imprecisas.

Como resultado, um robô no mundo real pode colidir com uma porta de vidro ou errar ao tentar agarrar um copo de vidro. Esse problema é particularmente grave para aplicações robóticas em logística, e-commerce e automação residencial, onde vidro é encontrado por toda parte.

O que os novos modelos Robbyant conseguem fazer

LingBot-Depth 2.0 é a próxima geração de um modelo de percepção espacial que depende de visão computacional em vez de apenas sensores de hardware. O modelo é treinado para reconhecer e perceber vidro, espelhos e objetos semi-transparentes, permitindo que os robôs construam um mapa tridimensional mais preciso de seus arredores.

LingBot-Vision é um modelo de visão computacional fundamental que serve como base para o desenvolvimento de outros sistemas de IA visual especializados. Por analogia com a forma como grandes modelos de linguagem como GPT são usados como base para criar assistentes especializados, LingBot-Vision pode ser adaptado para várias tarefas robóticas, desde automação de armazém até robótica residencial.

• LingBot-Depth 2.0 — modelo de percepção espacial de próxima geração para percepção de objetos transparentes
• LingBot-Vision — modelo de visão computacional fundamental para robótica
• Problema-alvo: sensores tradicionais não conseguem ver vidro e espelhos
• Abordagem: mudança para visão computacional em vez de dependência total de IR/LiDAR
• Desenvolvedor: Robbyant (uma divisão da Ant Group, China)

Contexto: a corrida na IA incorporada

O lançamento do LingBot marca uma intensificação da competição global entre laboratórios de IA no desenvolvimento de capacidades de percepção para robôs físicos. À medida que os modelos de visão computacional se tornam cada vez mais poderosos (especialmente modelos multimodais como GPT-4V ou Claude 3.5 Vision), as empresas de robótica estão se afastando da dependência total de sensores de hardware especializados em direção a sistemas de percepção baseados em visão mais universais.

Essa estratégia se adequa bem à Ant Group, que possui experiência significativa em logística, e-commerce (através da Alibaba) e fintech. Todas essas áreas exigem automação massiva de robôs, incluindo manipulação de pequenos objetos e navegação em ambientes complexos.

O que isso significa

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