Потоковую трехмерную реконструкцию сцен на скорости 20 FPS по одной RGB-камере получила открытая ИИ-модель LingBot-Map

Источник: Robotics Business News

Двадцать кадров в секунду в потоковом режиме реконструкции трехмерных сцен и сниженную до шести и сорока двух сотых метра ошибку траектории ATE получила базовая модель пространственного восприятия LingBot-Map от лаборатории Robbyant в составе Ant Group, о чем официально объявлено в рамках публикации открытого исходного кода на сервисах GitHub и ModelScope. Технологический релиз под свободной лицензией Apache 2.0 предоставляет разработчикам антропоморфных андроидов и автономных систем готовый инструмент для мгновенного построения объемных карт местности с использованием стандартных монокулярных RGB-камер.

Архитектура нейросетевой модели LingBot-Map базируется на специализированном трансформере геометрического контекста GCT (Geometric Context Transformer). В отличие от классических офлайн-методов трехмерной реконструкции типа COLMAP или тяжелых алгоритмов SLAM, требующих длительных ресурсоемких расчетов после записи видео, открытая модель функционирует по принципу прямого потокового считывания. Система непрерывно оценивает ракурс камеры и строит плотное облако точек непосредственно в процессе перемещения машины.

Вычислительный стек алгоритма задействует кэширование ключей и значений FlashInfer, гарантирующее стабильную обработку длинных видеопоследовательностей объемом более десяти тысяч кадров без накопления критических ошибок памяти. На эталонных пространственных датасетах Oxford Spires, ETH3D и 7-Scenes система продемонстрировала превосходство по точности позиционирования, опередив существующих офлайн-конкурентов почти в три раза.

Сенсорный ввод модели полностью адаптирован под стандартные видеопотоки разрешением 518 на 378 пикселей. Это позволяет устанавливать софтверный модуль на локальные краевые компьютеры андроидов без необходимости оснащения корпуса дорогостоящими многолучевыми лидарами высокой мощности. Модель передает координаты препятствий непосредственно в исполнительный контур управления ходьбой и пространственным хватом.

Лаборатория Robbyant, выступающая робототехническим подразделением холдинга Ant Group, позиционирует релиз LingBot-Map как важный шаг к формированию базовой инфраструктуры физического искусственного интеллекта. Доступность открытых весов нейросети снимает необходимость создания собственных алгоритмов навигации с нуля для сотен стартапов в сфере гуманоидной робототехники.

Использование прямого трансформаторного картографирования существенно ускоряет адаптацию андроидов к незнакомым производственным и бытовым помещениям. При входе в новый цех робот не требует предварительного ручного сканирования пространства, а мгновенно строит рабочую сетку проходов непосредственно во время выполнения первого полевого задания.

Вывод модели LingBot-Map в открытый доступ ускоряет стандартизацию софтверных стеков в глобальной индустрии физического искусственного интеллекта. Доступность высокоточных алгоритмов навигации снижает финансовые барьеры для исследовательской среды и стимулирует появление новых серийных коммерческих приложений.

Параллельно с публикацией библиотеки инженерная группа подготавливает релиз сопутствующих мультимодальных нейросетей пространственного видения серии LingBot-Video. Собранные международным сообществом наработки задействуются для дообучения глобальных алгоритмов планирования траекторий автономного движения.