蚂蚁集团旗下Robbyant开源LingBot-Vision：1B参数视觉基础模型聚焦密集空间感知

OmniTools 7月8日消息，蚂蚁集团旗下具身智能公司Robbyant近日开源LingBot-Vision，这是一套专为密集空间感知设计的自监督视觉Transformer模型家族。旗舰模型ViT-g/16参数量约1.1B，采用掩膜边界建模训练方法，将图像边界作为核心预训练信号。

在密集空间感知任务中，该模型性能可匹配或超越参数量达其7倍的同类大模型（如7B DINOv3）。目前，该模型已以Apache-2.0许可证在Hugging Face平台开源，提供ViT-g、ViT-L（300M）、ViT-B（86M）及ViT-S四个不同规模版本。