RGB-D

从事深度估计与深度补全的研究者，或许都经历过这样的困境：模型在NYU Depth V2等经典基准测试上取得了优异的成绩，但一旦部署到真实的机器人系统，问题便暴露无遗——深度图边缘模糊、远处深度值漂移，遇到反光或透明材质时几乎完全失效。 问题的根源往往不在于代码实现，而在于数据。 这并非个例，而是该领域长期面临的挑战之一。深度估计与深度补全的学术进展，在很大程…

蚂蚁灵波开源300万对RGB-D数据集，破解空间智能数据瓶颈 什么在限制空间智能的落地？ 从自动驾驶到具身智能，行业共识指向一个核心要素：数据。数据不足导致模型泛化能力弱，往往只能依赖硬件堆叠来弥补。 这一挑战在机器人领域尤为突出。机器人依赖RGB-D相机来感知三维空间，这类设备能同时获取RGB图像和深度信息。然而，当遇到镜子、电梯门、玻璃等透明或高反光物体…