Robbyant dévoile LingBot-Depth 2.0: un modèle qui divise par deux l’erreur de profondeur des robots

La société chinoise Robbyant présente LingBot-Depth 2.0, un modèle de perception spatiale entraîné sur 150 millions d’échantillons et annoncé comme leader sur 12 des 16 benchmarks de « depth completion ». L’entreprise met en avant une baisse marquée de l’erreur de profondeur, avec un RMSE passant de 0,132 à 0,062 dans des scénarios de forte perte de profondeur. L’objectif affiché est d’améliorer la navigation des robots dans des environnements complexes, notamment en intérieur.

La profondeur reste un point faible de nombreux robots, surtout face au verre, aux miroirs et aux matériaux réfléchissants. Robbyant tente d’apporter une réponse technique et industrielle, avec un modèle de vision de fondation, une validation par un laboratoire tiers et un partenariat matériel centré sur la collecte de données.

Robbyant mise sur LingBot-Depth 2.0 pour la perception spatiale

Robbyant présente ce lancement comme une étape importante pour la perception spatiale des robots, un domaine qui conditionne des tâches concrètes, se déplacer sans collision, éviter des obstacles fins, manipuler des objets, ou encore estimer des distances dans des pièces encombrées. Dans un contexte industriel, la profondeur n’est pas un simple attribut visuel, elle sert de base à la planification de trajectoires, aux décisions d’arrêt d’urgence, et à la compréhension de scènes en 3D. Un robot qui « voit » mal la profondeur compense souvent par des vitesses réduites, des marges de sécurité plus grandes, ou des capteurs plus coûteux, ce qui pénalise la productivité.

Le modèle s’inscrit dans la continuité de LingBot-Depth, dont Robbyant rappelle l’apport initial, la technique Masked Depth Modeling (MDM). L’enjeu visé était déjà de mieux gérer les défauts de mesure rencontrés par les capteurs de profondeur, notamment sur des surfaces transparentes ou réfléchissantes, où la lumière se comporte de manière défavorable pour les méthodes classiques. Avec LingBot-Depth 2.0, l’entreprise met l’accent sur une capacité d’entraînement élargie et une amélioration de la robustesse en conditions réelles, ce qui est déterminant pour des robots amenés à fonctionner dans des logements, des hôpitaux, des magasins ou des entrepôts à éclairage variable.

Robbyant indique que LingBot-Depth 2.0 a été entraîné sur 150 millions d’échantillons. Ce volume sert d’argument de généralisation, l’idée étant qu’un modèle confronté à une diversité de scènes, de textures, de configurations de pièces et de conditions d’acquisition, apprenne des régularités utiles au-delà d’un laboratoire. L’entreprise affirme aussi des résultats de premier plan sur 12 des 16 benchmarks de depth completion, une famille d’évaluations où l’on cherche à compléter une carte de profondeur partiellement manquante ou bruitée.

Ces annonces restent à lire avec prudence, car les benchmarks, leurs protocoles et la comparabilité entre équipes peuvent varier, et les performances « moyennes » masquent parfois des échecs sur des cas rares. Mais le message de Robbyant est clair, le produit vise des environnements réels, avec des contraintes d’installation, de coût capteur et de sécurité, où l’amélioration de la profondeur peut se traduire en moins d’arrêts, moins de collisions, et une navigation plus fluide.

Un RMSE abaissé de 0,132 à 0,062 dans les scénarios difficiles

Le chiffre le plus mis en avant par Robbyant concerne la réduction de l’erreur en situation de « severe depth loss ». Dans ces scénarios, la profondeur mesurée par les capteurs est fortement dégradée, trous dans la carte de profondeur, bruit élevé, zones saturées, ou retours incohérents. Robbyant affirme que LingBot-Depth 2.0 réduit l’erreur de plus de moitié par rapport à la version précédente, avec un RMSE qui passe de 0,132 à 0,062. Sur le plan opérationnel, une baisse de RMSE peut signifier une estimation plus fiable des distances aux obstacles, un meilleur placement des objets dans l’espace, et une réduction des comportements erratiques.

Le RMSE, « root mean square error », reste un indicateur global. Il est utile pour comparer des modèles sur des ensembles de test, mais il ne dit pas tout, notamment sur les erreurs extrêmes, les biais systématiques (objets fins, bords, coins), ou les échecs localisés sur des zones critiques. En robotique, une petite erreur moyenne peut être acceptable tant qu’elle ne provoque pas de collisions, mais une rare erreur de grande amplitude peut suffire à rendre un système inutilisable. L’intérêt d’un modèle annoncé comme plus robuste se juge donc aussi à sa stabilité, sa capacité à gérer des cas atypiques, et ses performances sur les contours.

Robbyant insiste sur les environnements intérieurs, où la perception de profondeur est « souvent limitée ». Les causes sont connues, surfaces lisses, faible texture, éclairage artificiel, reflets, occlusions, et présence d’objets transparents comme des parois vitrées ou des portes en verre. Dans ces conditions, les robots domestiques ou de service rencontrent des obstacles que les humains identifient immédiatement mais que les capteurs peuvent ignorer ou mal mesurer. Une carte de profondeur plus complète et plus précise peut donc améliorer les comportements de navigation, en particulier dans des espaces étroits.

L’entreprise met aussi en avant la performance sur des zones où les caméras de profondeur « traditionnelles » peinent, verre, miroirs et objets transparents. Ces surfaces peuvent renvoyer le signal, créer des mesures incohérentes, ou produire des zones sans données. Un modèle de complétion de profondeur, s’il est bien entraîné, peut inférer la structure probable de la scène en s’appuyant sur le contexte visuel, les lignes, les bords, et la géométrie globale, ce qui réduit les « trous » et stabilise la perception.

Pour les intégrateurs, le point clé sera la reproductibilité, ces gains sont-ils observables sur différents capteurs, différentes focales, et différents lieux, ou sont-ils surtout liés à des configurations proches des données d’entraînement. C’est aussi là que les validations par des acteurs tiers et les tests sur données « chip-level » prennent de l’importance dans la communication de Robbyant.

LingBot-Vision introduit le pré-entraînement par « boundary structure »

Robbyant attribue une part des progrès à LingBot-Vision, présenté comme un modèle de fondation visuelle destiné à améliorer la façon dont les robots interprètent leur environnement. Le point technique mis en avant est l’usage de la « boundary structure » comme objectif de pré-entraînement, présenté comme une première dans l’industrie. L’idée est de pousser le modèle à apprendre explicitement les structures de bord, donc les contours et limites d’objets, qui sont déterminants pour comprendre la géométrie d’une scène, distinguer un obstacle d’un fond, ou estimer des formes utilisables par un système de manipulation.

Robbyant évoque une localisation de frontière au niveau sub-pixel. Dans la pratique, cela renvoie à la capacité à placer des contours avec une finesse supérieure à la résolution brute, via des estimations continues et des interpolations apprises. Pour la robotique, des contours stables contribuent à de meilleures cartes d’occupation, à une segmentation plus fiable, et à une détection d’objets plus régulière, notamment quand la profondeur est bruitée. Les bords sont aussi essentiels pour la complétion de profondeur, car ils marquent des discontinuités où les erreurs sont fréquentes, par exemple le bord d’une table, le cadre d’une vitre, ou une poignée.

Le modèle aurait été entraîné sur 160 millions d’images, un volume que Robbyant qualifie de relativement plus faible que celui de certains grands modèles, tout en revendiquant une performance compétitive. L’argument sous-jacent est l’efficacité de l’objectif de pré-entraînement, qui permettrait de tirer davantage d’information structurante de chaque image. Ce type de positionnement est devenu central, car la course à la taille des datasets et des paramètres rencontre des limites économiques et énergétiques, alors que les industriels cherchent des modèles plus légers, plus rapides, et plus faciles à adapter à des contraintes embarquées.

Robbyant insiste sur la stabilité de la détection de frontières d’objets, y compris « à travers des séquences vidéo ». Pour un robot, la continuité temporelle est un enjeu majeur, un contour qui « saute » d’une image à l’autre peut entraîner une instabilité de suivi, des erreurs de saisie, ou des trajectoires hésitantes. Un modèle capable de suivre des bords de manière cohérente facilite la compréhension des mouvements, la prédiction de trajectoire d’objets, et la navigation dans des scènes dynamiques, par exemple des couloirs avec des personnes, des chariots, ou des portes qui s’ouvrent.

Au-delà de la profondeur, Robbyant présente LingBot-Vision comme une brique de fondation pour des tâches aval, perception, reconnaissance, segmentation, suivi, et plus largement des systèmes intelligents. Pour les acteurs du secteur, la question est celle de l’intégration, API, compatibilité avec les piles logicielles robotique, latence, et capacité à être déployé sur des puces embarquées ou des passerelles edge.

Orbbec certifie LingBot-Depth 2.0 sur les caméras Gemini 330

Pour crédibiliser une trajectoire vers le déploiement commercial, Robbyant met en avant une certification obtenue auprès du Depth Vision Laboratory d’Orbbec, un acteur connu des caméras 3D. Selon l’entreprise, les tests ont été menés à partir de données de profondeur au niveau « chip-level » issues des caméras stéréo 3D Gemini 330. Ce détail est important, car il suggère une évaluation proche du signal brut produit par le matériel, avant certains traitements applicatifs, ce qui peut rapprocher les résultats des contraintes de terrain.

Robbyant cite plusieurs axes d’amélioration observés lors de ces essais, meilleure détection des bords, contours d’objets plus nets, reconnaissance de petits objets, estimation de profondeur à longue distance, et meilleures performances sous des conditions difficiles d’éclairage et de matériaux. Ces critères correspondent aux points de douleur classiques des systèmes RGB-D, la dégradation en faible lumière, la perte de détail sur les objets fins, et les erreurs de mesure sur des surfaces particulières. Pour un robot mobile, la capacité à percevoir un petit objet au sol, un câble, une marche, ou un rebord, peut faire la différence entre un fonctionnement continu et des incidents répétés.

Le partenariat est aussi présenté comme un levier pour la collecte de données. Orbbec lance une plateforme matérielle de collecte « Robot-Free », et la collaboration évoque un dispositif de type RGB-D EGO (le texte source s’interrompt sur ce point). Dans l’industrie, la collecte de données multimodales, synchronisées, variées, reste un facteur clé pour améliorer des modèles, surtout quand on vise des environnements intérieurs très hétérogènes. Des solutions de collecte dédiées peuvent accélérer la constitution de datasets, réduire les coûts, et standardiser les formats.

Pour les clients potentiels, la présence d’un partenaire matériel apporte un signal, celui d’une chaîne plus complète entre capteur, données, modèle et validation. Mais cela pose aussi des questions d’interopérabilité, un modèle optimisé et validé sur une famille de caméras conserve-t-il ses avantages sur d’autres capteurs, et à quel coût d’adaptation. Les intégrateurs robotique cherchent souvent à éviter un verrouillage matériel, surtout quand ils déploient à grande échelle et doivent gérer l’approvisionnement.

La communication de Robbyant s’inscrit dans une tendance plus large, des modèles de fondation appliqués à la robotique, avec un accent sur la perception robuste et la capacité à fonctionner dans des contextes non contrôlés. Les prochaines étapes attendues par le marché concernent généralement des preuves en production, des mesures de latence, des profils matériels compatibles, et des retours d’expérience sur la sécurité et la fiabilité sur des flottes de robots en exploitation.