Benchmarks sehen selten so aus. LingBot-Map, das neue feed-forward 3D-Rekonstruktions-Foundation-Model des Robbyant-Teams von Ant Group, erreicht 98,98 F1 auf ETH3D – mehr als 21 Punkte über dem zweiten Platz. Es erreichte #1 bei GitHub Trending mit +827 Stars an einem einzigen Tag, und sowohl Code als auch Gewichte sind offen.
Was es tatsächlich tut
Richte eine einfache RGB-Kamera auf die Welt, bewege dich herum und erhalte eine Live-3D-Karte. Kein LiDAR, kein Tiefensensor, keine Offline-Verarbeitung. Sie läuft mit etwa 20 FPS und streamt über 10.000 +‑Frame‑Videos, ohne dass die Genauigkeit nachlässt – der klassische Fehlerfall von Streaming-Rekonstruktion. Der Trick ist ein reines auto-regressives Design mit Geometric-Context-Attention, das die Geometrie über Frames hinweg konsistent hält.
Dies ist die Wahrnehmungsschicht für Roboter, autonomes Fahren und AR-Brillen. Es ist außerdem das neueste Mitglied der LingBot-Familie (Depth, VLA, World) – Ant stellt stillschweigend einen vollständigen embodied-AI-Stack zusammen, Stück für Stück als Open-Source-Komponente.
Wie man es ausführt
Keine gehostete API. Hol dir den offenen Code, lade die Gewichte von Hugging Face herunter und setze alles lokal ein – eine GPU plus irgendein RGB-Video-Stream reicht aus, um ein Echtzeit-räumliches Verständnis in deinen eigenen Roboter oder deine App zu integrieren.