La empresa afirma que su nuevo modelo de percepción para IA corpórea supera a un rival dominante de Meta Platforms, utilizando una escala menor y menos entrenamiento.

Robbyant, la división de inteligencia artificial corpórea (*embodied AI*) del gigante chino de tecnología financiera Ant Group, ha lanzado un nuevo modelo de visión que, según afirma, ayudará a los robots a superar un desafío persistente: percibir con precisión cristales, espejos y objetos transparentes.

La unidad de Ant Group, con sede en Hangzhou, presentó el martes su modelo de percepción espacial de nueva generación, LingBot-Depth 2.0, junto con un nuevo modelo visual fundacional llamado LingBot-Vision, en un momento en que los laboratorios de IA compiten por dotar a las máquinas de los «cerebros» necesarios para desenvolverse en espacios físicos complejos.

En conjunto, estas tecnologías buscan resolver un cuello de botella crítico en la robótica al garantizar que las máquinas puedan ver «de manera precisa y estable» en entornos impredecibles del mundo real, según Robbyant (también conocida como Ant Lingbo Technology).

Se trata del primer modelo de su tipo entrenado específicamente para reconocer los bordes de los objetos, señaló la empresa. Esto permite a la IA identificar límites con gran precisión —hasta una fracción de píxel—, otorgando a los robots una comprensión más nítida de los espacios tridimensionales que los rodean, añadió.

LingBot-Vision entra en un terreno dominado por DINOv3, el modelo de visión de código abierto de Meta Platforms. Sin embargo, mientras que aquel modelo depende de una enorme escala computacional, LingBot-Vision aspira a superar a sus rivales mediante la eficiencia estructural.

Según un artículo de investigación publicado por el equipo de Robbyant, LingBot-Vision superó a DINOv3 (que cuenta con 7.000 millones de parámetros) en múltiples métricas de la prueba de referencia de estimación de profundidad NYUv2. Logró este resultado utilizando una séptima parte de los parámetros y menos de un tercio de los datos de entrenamiento, según los datos de la prueba.

El nuevo modelo de visión actúa como el motor fundamental que impulsa a LingBot-Depth 2.0.