앤트 그룹의 링보(Lingbo)가 공간적으로 네이티브한 체화 시각 파운데이션 모델인 ‘LingBot-Depth 2.0’과 ‘LingBot-Vision’을 오픈소스로 공개했습니다.

앤트 그룹 산하의 링보 테크놀로지는 ‘링봇-딥 2.0’을 공개하고, 경계 구조를 핵심 사전 학습 신호로 활용하는 파운데이션 모델인 ‘링봇-비전’을 오픈소스로 공개했습니다.

A
2분 소요Posted: 2026년 7월 8일
앤트 그룹의 링보(Lingbo)가 공간적으로 네이티브한 체화 시각 파운데이션 모델인 ‘LingBot-Depth 2.0’과 ‘LingBot-Vision’을 오픈소스로 공개했습니다.

2026년 7월 7일, 앤트 그룹(Ant Group)의 체화형 AI 자회사인 링보 테크놀로지(Lingbo Technology)는 로봇 지각 분야를 위한 두 가지 주요 구성 요소를 공개한 뒤 개발자들에게 접근 권한을 개방했다. 1억 5천만 규모의 깊이 데이터셋으로 훈련된 새로운 공간 지각 모델인 ‘링봇-뎁스 2.0(LingBot-Depth 2.0)’은 현재 16개 업계 깊이 보충 벤치마크 중 12개에서 1위를 차지하고 있다. 깊이 정보가 크게 누락된 가장 까다로운 실내 테스트에서 이 모델의 RMSE는 0.132에서 0.062로 감소했다. 또한 이 회사는 경계 구조를 1순위 사전 훈련 목표로 삼는 파운데이션 모델인 ‘링봇-비전(LingBot-Vision)’을 오픈소스로 공개했다. 개발팀은 이를 ‘공간적으로 네이티브(spatially native)’라고 부르며, NYU-Depth v2 전이 학습에서 70억 매개변수를 가진 DINOv3 베이스라인을 포함해 최대 7배 더 큰 모델들과 동등하거나 더 우수한 성능을 보였다. 03억 매개변수의 디스틸레이션 모델은 70억 매개변수 기준 모델과 동등한 성능을 유지하면서도, 매개변수는 약 23분의 1 수준으로 줄이고, 1억 6천만 장의 이미지로 구성된 사전 훈련 코퍼스를 사용했는데, 이는 DINOv3 스타일 레시피 규모의 대략 10분의 1에 해당합니다.

발표된 내용

Lingbo가 7월 7일에 발표한 패키지에는 체화 환경에서 함께 작동하도록 설계된 두 가지 독립적인 구성 요소가 포함되어 있습니다.

· LingBot-Depth 2.0은 실전 적용을 목표로 한 깊이 보완 및 추정 모델입니다. 1억 5천만 개의 샘플 규모로 훈련되었으며, 기존 센서를 혼란스럽게 하는 실내 환경 및 까다로운 소재에 걸쳐 새로운 성과를 보여줍니다. 유리 패널, 거울, 기타 투명하거나 반사되는 표면에서 특히 뛰어난 성능을 발휘합니다.

· LingBot-Vision은 ViT 백본을 기반으로 구축된 자율 감독형 비전 파운데이션 모델로, 모델이 경계 구조를 복원하도록 유도하는 사전 훈련 과제를 거쳤습니다. 이 회사는 기하학적 구조가 암묵적으로 나타나도록 내버려 두는 대신 트랜스포머에 명시적인 공간적 목표를 부여하기 때문에 이를 ‘공간적으로 원시적인(spatially native)’ 사전 훈련으로 정의합니다.

두 프로젝트 모두 커뮤니티에 공개되었습니다. LingBot-Vision

가중치는 ViT-G, ViT-L, ViT-B, ViT-S 등급에 대략적으로 대응하는 네 가지 크기로 제공되며, GitHub에는 코드가, Hugging Face에는 모델 카드가 게시되어 있습니다. 기술 보고서는 arXiv에 2607.05247로 게재되었습니다.

목표로서 경계 구조가 중요한 이유

대부분의 자율 감독형 시각 사전 학습은 이미지 재구성, 불변성, 또는 티처-스튜던트 증류 기법을 사용하여 특징을 형성합니다. 이러한 접근 방식은 강력한 범용 설명자를 생성해 왔지만, 학습된 특징이 표면이나 물체의 가장자리에 맞춰 선명한 공간적 불연속성을 인코딩한다고 보장하지는 않습니다. 로봇 공학 인식 스택은 특히 깊이 센서가 작동하지 않거나 로봇이 부분적인 관측 조건 하에서 계획을 수립해야 할 때, 내비게이션, 그립 계획, 장면 이해를 지원하기 위해 바로 그러한 정보를 필요로 하는 경우가 많습니다.

LingBot-Vision은 경계를 훈련 목표로 삼습니다. 연구팀은 ‘경계 강제(boundary forcing)’라고도 불리는 ‘마스크된 경계 모델링(masked boundary modeling)’을 설명하는데, 이 과정에서 모델은 문맥을 바탕으로 의도적으로 숨겨진 경계 단서를 예측해야 합니다. 이러한 작업을 통해 모델은 윤곽의 연속성, 깊이 불연속성, 가림 현상의 기하학적 구조에 대해 더 민감해집니다. 이러한 귀납적 신호는 심도 추정 및 심도 보완으로의 후속 전이를 단순화합니다. 또한 백본 모델이 장면의 3D 구조에 대한 가장 유용한 정보를 담고 있는 가장자리를 수백만 건의 사례에서 학습했기 때문에, 공간적 추론이 중요한 작업에서 제로 샷 또는 로우 샷 성능을 향상시킵니다.

로봇 공학 분야에서 이 방식을 선호하는 데에는 실용적인 이유가 있습니다. 로봇은 능동형 깊이 센서의 작동을 방해하는 반사성 및 투명 표면 속에서 작동합니다. 유리창, 아크릴 가드, 광택 처리된 금속은 비행 시간(ToF) 및 구조광 카메라가 유효하지 않거나 노이즈가 많은 측정값을 보고하게 만들 수 있습니다. 경계를 찾아내고 단안 시각 단서로부터 기하학적 구조를 추론하도록 튜닝된 비전 모델은 이러한 오류 모드를 완화할 수 있으며, 바로 이 부분에서 LingBot-Depth 2.0은 파운데이션 모델의 특징을 활용하도록 설계되었습니다.

증거

벤치마크 및 데이터 효율성

Lingbo에 따르면, LingBot-Vision은 약 10억 개의 매개변수를 가진 ViT 구성을 기반으로 구축되었으며, 더 작은 규모의 디스틸레이션된 학생 모델들을 활용하고 있습니다. NYU-Depth v2 깊이 추정 전이 실험에서, 메인 모델은 내부 비교 결과 7B 규모의 DINOv3 참조 모델을 포함한 훨씬 더 큰 규모의 티처 스타일 기준 모델들의 성능을 따라잡거나 능가하는 것으로 나타났습니다. 0.3B 규모의 디스틸레이션된 스튜던트는 크기가 훨씬 작음에도 불구하고 7B 모델의 결과와 동등한 성능을 보였으며, 파라미터 수는 약 23분의 1 수준에 불과한 것으로 보고되었다. 사전 훈련 코퍼스는 1억 6천만 장의 이미지로, 이는 유사한 자율 학습 파이프라인에서 흔히 사용되는 데이터셋보다 한 차원 더 작은 규모입니다. 많은 로봇 공학 팀이 1,000억 개 규모의 샘플을 처리할 예산이나 시간을 확보하지 못하기 때문에, 이러한 효율성은 운영 측면에서 중요한 이점입니다.

깊이 학습 측면에서는 LingBot-Depth 2.0이 주목할 만한 성과를 보여줍니다. 이 모델은 회사의 테스트 매트릭스에서 공개적으로 추적되는 16개의 깊이 보충 벤치마크 중 12개에서 1위를 차지했습니다. 가장 눈에 띄는 수치는 광범위한 누락 영역이 있는 가장 까다로운 실내 시나리오에서 RMSE가 0.132에서 0.062로 절반으로 줄어든 것입니다. 유리, 거울, 투명 물체에서도 성능이 개선된 것으로 나타났으며, 이는 창고, 소매, 서비스 환경에서 발생하는 실제 운영상의 문제점들과 직접적으로 연결됩니다. 이러한 주장은 Orbbec의 깊이 비전 연구소에서 인증받았으며, 이는 LingBot의 내부 검증에 제3자 측정 결과를 더한 것입니다.

학계 전반에 걸친 독립적인 재현에는 시간이 걸리겠지만, 결과의 양상은 명시적인 경계 감독이 전형적인 에지 케이스를 해결할 수 있다는 관점과 일치합니다. 특징을 표면 단절 부위에 집중시킴으로써, 이 모델은 직접적인 깊이 측정값이 실패하는 경우에도 형태와 배치를 추론할 수 있습니다.

LingBot-Vision과 기존 모델의 비교

체화 비전은 단일 작업이 아니며, 모든 하류 요구 사항에 부합하는 단일 사전 훈련 목표는 존재하지 않습니다. 그렇긴 하지만, 몇 가지 기본 설정이 보편화되었습니다. DINO 스타일의 자기 지도 학습 ViT는 여전히

표현 학습을 위한 강력한 기반입니다. 메타(Meta)의 ‘Segment Anything’ 모델은 분할 워크플로우를 주도하며 하류 작업을 위한 프롬프트 기반 마스크를 제공하지만, 깊이 추정을 위해 설계된 것은 아닙니다. 기존의 마스크 오토인코더는 재구성 능력을 제공하지만, 기하학적 작업에서 경쟁력을 갖추기 위해서는 상당한 조정 과정이 필요한 경우가 많습니다.

Lingbo의 기여는 공간적 불연속성에 대한 간단하고 명시적인 편향을 추가한 뒤, 이 한 가지 변화만으로도 10억 장의 이미지 사전 훈련을 거치지 않고도 강력한 깊이 전이를 이끌어낼 수 있음을 보여준 데 있다. NYU-Depth v2에서 7B 규모의 DINOv3 기준 모델과 동등한 성능을 보인 0.3B 규모의 증류된 학생 모델은 이러한 아이디어를 가장 명확하게 보여주는 사례입니다. 이는 기하학적 작업에 필요한 신호의 상당 부분이 전역 불변성이나 교사 모델 일치 점수뿐만 아니라 경계에 존재함을 시사합니다.

구현된 시각 및 깊이 지각 모델, 나란히 비교

아래는 체화 연구에서 흔히 선택되는 지각 백본에 대한 간결한 비교입니다. 이 비교는 사전 학습 목표, 매개변수 규모, 공간적 편향, 그리고 깊이 작업 및 엣지 배포에 대한 적합성에 중점을 둡니다.

uploaded image

Orbbec 및 엣지 SDK를 활용한 상용화

오픈 소스는 전체 이야기의 절반에 불과합니다. Lingbo는 Orbbec과 함께 배포 트랙도 가동했습니다. 이 회사는 Orbbec의 깊이 비전 연구소에서 주요 결과를 인증받았다고 밝혔습니다. 양사는 Gemini 330 시리즈 깊이 카메라에서 LingBot-Depth의 최적화를 위해 협력하고 있습니다. 현장 데이터셋 확장 및 평가를 용이하게 하기 위해 EGO RGB D 데이터 수집 장치에 대한 적용 계획도 마련되어 있습니다. 링보는 또한 클라우드와의 안정적인 연결을 유지할 수 없는 모바일 로봇에 중요한 엣지 사용에 특화된 SDK를 미리 공개했습니다. 로드맵에는 연말 이전에 LingBot-Depth의 상용 빌드가 탑재된 통합 카메라 제품의 출시가 포함되어 있습니다.

이러한 파트너십의 형태는 두 단계의 제품 개발 작업을 시사합니다. 첫째, 소프트웨어 튜닝 및 모델

Orbbec의 하드웨어 제약 조건을 충족하도록 변환합니다. 둘째, 바로 장착 가능한 인식 모듈을 원하는 고객을 위한 수직 통합형 옵션으로, 소규모 로봇 공학 팀의 통합 시간을 단축해 줍니다.

눈에 띄는 엔지니어링 선택 사항

Lingbo가 설명한 몇 가지 설계 결정 사항은 실무자들에게 주목할 만합니다.

· 경계 우선 목표. 마스킹된 경계 모델링은 모델이 기본적으로 학습하는 내용을 변화시킵니다. 이는 순수한 재구성이나 불변성 기반 표현을 피하고, 에지를 1급 신호로 만듭니다.

· 매개변수 효율적인 학습 모델. 0.3B 규모의 증류 모델은 단순한 실험용 모델이 아닙니다. 이 모델이 심도 전이 성능에서 7B 규모의 DINOv3 기준 모델과 동등한 성능을 보인다면, 서버급 하드웨어 없이도 강력한 인식 기능을 구동할 수 있는 로봇의 범위가 넓어집니다.

· 중간 규모의 사전 훈련 코퍼스. 1억 6천만 장의 이미지 코퍼스는 여전히 방대하지만, 10억 장 규모의 코퍼스를 운영하는 것보다는 자금력이 풍부한 연구실의 실질적인 상한선에 더 가깝습니다. 이는 연구 결과의 재현과 추가 연구를 위한 길을 열어줍니다.

· 깊이 완성(Depth completion)과의 정합성. 파운데이션 모델과 Depth 2.0 간의 긴밀한 연계는 유리 및 거울에 대한 결과에서 드러납니다. 이러한 조합은 파운데이션 모델이 그 귀납적 편향을 계승하는 특정 과제와 정합될 때 효과를 발휘한다는 점을 상기시켜 줍니다.

한계가 있을 수 있는 부분

릴리스 노트에서는 실내 장면과 센서 기반 깊이 정보가 종종 잘못 처리하는 재료에 대한 강점을 지적하고 있습니다. 여전히 해결해야 할 과제가 남아 있습니다.

· 실외 일반화. 강한 햇빛, 기상 조건, 원거리 장면은 단안 추론과 능동적

깊이 센서. 이 보고서는 실내 및 실내와 유사한 환경에 초점을 맞추고 있다. 실외 환경에서의 실증 자료가 유용할 것이다.

· 다중 카메라 융합. 많은 로봇이 스테레오, RGB D, 이벤트 카메라를 조합하여 사용합니다. LingBot-Vision의 특징들이 융합 파이프라인에서 어떤 성능을 보이는지 탐구할 필요가 있습니다.

· 움직임 및 시간적 연속성. 경계 목표는 이미지 수준에서 정의됩니다. 시간적 경계와 움직임 경계를 명시적으로 모델링하면 SLAM이나 동적 장애물 추적과 같은 작업에서 성능이 한 단계 더 도약할 가능성이 있습니다.

· 라벨 없는 무결성. 자가 감독 학습 방식은 데이터셋의 편향을 그대로 물려받을 수 있습니다. 경계 요소에 중점을 둔 사전 학습은 기하학적 의미를 내포하지 않는 텍스처나 예술 작품의 가장자리를 지나치게 강조할 수 있습니다. 다양한 도메인에 대한 신중한 평가가 필요합니다.

이러한 주의사항들 중 어느 것도 깊이 완성 분야에서 보고된 진전의 중요성을 훼손하지 않습니다. 이들은 연구 커뮤니티가 향후 수행할 다음 단계의 실험 방향을 제시합니다.

이것이 체화형 AI 및 로봇 구매자에게 의미하는 바

창고, 소매점, 병원, 호텔 업계에서 이동형 로봇을 개발하는 팀들에게, 불안정한 인식 능력은 가동 중단 시간의 끊임없는 원인이 됩니다. 유리문을 잘못 인식하거나 거울을 제대로 구분하지 못하는 로봇은 기껏해야 작동이 멈추고, 최악의 경우 손상을 초래할 수 있습니다. 파운데이션 모델과 최적화된 깊이 헤드가 이러한 사고를 줄여준다면, 이는 조달 단계에서 고려해야 할 결정 사항이 될 것입니다.

· 센서 교체 횟수 감소. 투명하거나 반사되는 소재는 종종 고가의 하드웨어 우회 조치를 필요로 합니다. 이러한 격차를 줄여주는 소프트웨어를 통해 구매자는 표준 카메라 및 깊이 센서 모듈을 계속 사용할 수 있습니다.

·

       엣지 적용 가능성. 경쟁력을 유지하는 0.3B 모델이라면 임베디드 GPU나 중급 컴퓨팅 모듈에서 실행하는 것이 현실적으로 가능해집니다. 이는 모바일 플랫폼의 발열 및 배터리 제약 사항을 완화해 줍니다.

· 데이터 활용. 모델이 1억 6천만 장의 이미지를 통해 강력한 공간적 표현 능력을 확보한다면, 추가 데이터 수집의 규모 확대는 단순한 데이터 양의 문제가 아니라 엣지 사례와 도메인 커버리지의 문제로 전환됩니다.

· 벤더 생태계. Orbbec과의 통합 및 SDK를 통해 통합 과정의 마찰을 줄일 수 있습니다. 통합된 카메라 제품이 예정대로 출시된다면, 시스템 통합업체에게 즉시 활용 가능한 업그레이드 경로를 제공하게 됩니다.

오픈 소스 세부 정보 및 시작 방법

Lingbo는 ViT-G부터 ViT-S 수준의 용량에 해당하는 네 가지 크기의 LingBot-Vision 코드와 체크포인트를 공개했습니다.

· Hugging Face: robbyant/lingbot-vision

· GitHub: robbyant/lingbot-vision

· 기술 보고서: arXiv 2607.05247

초기 도입자들은 B 또는 S 규모로 시작하여 대상 하드웨어에서 처리량과 메모리 사용량을 테스트한 후, 애플리케이션이 허용하는 경우 L 또는 G 규모로 확장할 수 있습니다. 깊이 완성(depth completion)의 경우, LingBot-Depth 2.0은 로봇 공학 작업을 위한 주요 모델로 자리매김하고 있습니다. 회사는 아직 1억 5천만 개의 깊이 코퍼스용 훈련 코드를 공개하지는 않았으나, 평가 매트릭스를 설명했으며 엣지 기기에서의 배포를 용이하게 하기 위해 SDK를 출시할 예정입니다.

LingBot 출시의 역사적 배경

LingBot은 2026년에 빠른 속도로 버전을 업데이트해 왔습니다. 1월 27일에 Depth 1.0이 출시되었고, 이어 1월 29일에는 LingBot-World가 출시되었으며

4월 27일에는 World-Fast가, 4월 16일에는 LingBot-Map이 발표되었습니다. 오늘 공개된 패키지는 깊이를 강화하고 기초 모델과 기하학적 헤드 간의 연결을 더욱 공고히 함으로써 이 두 가지를 하나로 묶어줍니다. 이러한 발표 주기는 또한 신체 기반 AI에는 단순히 더 큰 범용 시각 모델뿐만 아니라 공간에 중점을 둔 사전 훈련이 필요하다는 전략적 판단을 시사합니다.

자사 스택에 대한 주장을 평가하는 방법

· 가장 까다로운 표면에서 테스트해 보세요. 로봇이 거울이나 반투명 가드에서 어려움을 겪는다면, 자사의 시나리오를 여러분의 데이터로 재현해 보세요.

· 지연 시간과 열 부하를 측정하세요. 0.3B 규모의 디스틸레이션된 스튜던트 모델은 엣지 환경을 위해 설계되었지만, 워크로드 구성에 따라 메모리 사용량이나 발열이 급증할 수 있습니다. 내비게이션 스택을 사용하여 엔드투엔드 프로파일링을 수행하세요.

· 롱테일 일반화 능력을 확인하세요. 훈련 세트와 다른 위치 및 조명 패턴을 테스트에 포함시키세요.

· 융합을 고려하십시오. 스테레오 또는 LiDAR를 사용하는 경우, 경계 특징이 융합 안정성을 향상시키는지 평가하십시오.

투명한 프로세스를 통해 구매자는 이러한 장점이 실제 운영 환경에서도 그대로 적용되는지 판단할 수 있습니다.

전망

경계 목표가 계속해서 이 정도의 효과를 보여준다면, 이는 체화 모델 사전 훈련의 표준 구성 요소가 될 수 있습니다. 가장 가까운 시일 내에 나타날 효과는 유리와 거울이 많은 환경에서 실내 내비게이션 및 조작 성능이 향상되는 것일 가능성이 높습니다. 연말까지 LingBot-Depth 상용 빌드가 탑재된 Orbbec 통합 카메라가 시장에 검증된 사례를 제시할 것입니다. 해당 제품이 성능 및 가격 목표를 달성한다면, 연구소와 벤더들 사이에서 유사한 경계 목표가 속속 등장할 것으로 예상됩니다.

현재로서는 오픈 소스 공개로 인해

이 접근법을 시도하는 데 걸림돌이 됩니다. 이를 통해 스타트업과 연구소는 수십억 건의 샘플을 활용한 훈련을 굳이 수행하지 않고도 더 강력한 깊이 전이를 달성할 수 있는 구체적인 경로를 확보하게 됩니다. 이는 단순히 더 큰 모델이 아닌, 보다 실질적인 성과를 필요로 하는 생태계에 있어 반가운 소식입니다.

출처

· QbitAI

· GitHub: robbyant/lingbot-vision

· Hugging Face: robbyant/lingbot-vision