機器人前瞻（公眾號：robot_pro）
作者 許麗思
編輯 漠影

機器人前瞻2月10日報道，今天，阿里巴巴達摩院發(fā)布具身智能大腦基礎(chǔ)模型RynnBrain。全系列共計7個模型，其中包括 RynnBrain-30B-A3B。

RynnBrain全系列共計7個模型，包含2B、8B、30B三種參數(shù)規(guī)模的RynnBrain基礎(chǔ)模型，以及針對特定場景的后訓練專有模型RynnBrain-Nav（導航）與RynnBrain-Plan-30B（規(guī)劃）等共計7個。 其中，RynnBrain-30B-A3B是業(yè)界首個MoE具身基礎(chǔ)模型，其只需要3B的推理激活參數(shù)就全面超越了當前規(guī)模最大的具身基礎(chǔ)模型Palican-VL-72B，讓機器人動作更快、更絲滑。

RynnBrain是業(yè)內(nèi)首個擁有時空記憶的具身大腦基礎(chǔ)模型，引入了時空記憶和物理世界推理，讓機器人具有理解“時”與“空”的能力。

簡單來說，就是機器人可以記得過去的軌跡，看懂現(xiàn)在的畫面，還能預(yù)判未來的動作，具有了全局時空回溯能力，減少了幻覺問題。

比如，在雜亂的桌子面前，機器人正忙著給桌上的食物分類。

突然，它收到了“請幫我拿一個面包”的指令，選擇先停下手里的動作，把面包遞給人類。

然后，它再繼續(xù)轉(zhuǎn)頭處理剛剛的未完成的分類整理工作。

在16項具身開源評測榜單上，RynnBrain刷新了紀錄（SOTA），超越谷歌Gemini Robotics ER 1.5等行業(yè)頂尖模型。

GitHub：https://github.com/alibaba-damo-academy/RynnBrain

項目主頁：https://alibaba-damo-academy.github.io/RynnBrain.github.io/

hugging face：https://huggingface.co/collections/Alibaba-DAMO-Academy/rynnbrain

一、訓練速度提升兩倍，讓機器人擁有全局時空回溯能力

RynnBrain在Qwen3-VL的基礎(chǔ)上訓練，還使用了自研的RynnScale架構(gòu)對Dense模型和MOE模型進行訓練優(yōu)化，能夠在同等資源下，訓練速度提升兩倍。同時，訓練數(shù)據(jù)超過2000萬對。

▲RynnBrain模型架構(gòu)

RynnBrain能夠讓機器人實現(xiàn)堪比人類的全局時空回溯能力，關(guān)鍵在于做到了涵蓋空間、位置、事件、軌跡等多維度信息的統(tǒng)一表征。其所構(gòu)建的統(tǒng)一框架，能夠把機器人所接觸到的各種各樣的信息統(tǒng)一映射到模型的輸出空間里，將時間維度、空間坐標與語義理解融為一體。

RynnBrain具有物理空間推理的能力，采用了一種全新的“文本與空間定位交錯”的推理策略，使得模型在推理時，不僅生成語言判斷，還會同步給出對應(yīng)的空間指向信息。

RynnBrain還擁有良好的可拓展性，能夠快速后訓練出導航、規(guī)劃、動作等多種具身模型。以具身規(guī)劃模型為例，其需要強大預(yù)測能力和場景解析能力，但基于RynnBrain為基礎(chǔ)，只需幾百條數(shù)據(jù)微調(diào)，效果就能超越Gemini 3 Pro，輕松實現(xiàn)SOTA。

▲RynnBrain具有認知、定位、推理、規(guī)劃等多重能力

達摩院這次不僅開源了RynnBrain模型，而且配套開放了完整的推理訓練代碼。

另外，達摩院還開源了全新評測基準RynnBrain-Bench。這是一個用于評估具身理解能力的高維基準測試，從物體認知、空間認知、語義定位和指向交互四個核心維度全面評估模型性能，重點關(guān)注模型在連續(xù)視頻序列中對細粒度信息的理解能力與時空定位精度。

二、實現(xiàn)了16個SOTA，超越谷歌、英偉達的具身頂尖模型

結(jié)果顯示，RynnBrain，在16項具身開源評測榜單上刷新紀錄（SOTA），包括環(huán)境感知與對象推理、第一人稱視覺問答、空間推理、軌跡預(yù)測等，超越了谷歌Gemini Robotics ER 1.5、英偉達 Cosmos Reason 2等具身頂尖模型。

來看看模型在宇樹G1上的部署情況：

在執(zhí)行“把盤子放回原位”的任務(wù)時候，G1能夠準確識別盤子，并在盤子不停移動的情況下保持對其空間位置的記憶，具有物體記憶與空間記憶能力。

面臨三個面包分兩個盤子的難題時，機器人的空間規(guī)劃與長程規(guī)劃能力使它能找到合適的分配方法，把多出的一個面包疊在中間。

物體記憶能力與復雜視頻理解能力，使機器人能夠認出之前被喝過的礦泉水，并在復雜的變換中始終保持對物體的記憶。

常識理解與中文OCR能力，讓機器人能夠根據(jù)用戶“尋找低卡低糖的飲料”的需求，觀察瓶身的文字標簽，選擇出合適的飲料。

結(jié)語：具身模型智能水平，已成為業(yè)內(nèi)亟需解決的關(guān)鍵瓶頸

目前，具身模型的智能水平成了行業(yè)發(fā)展的關(guān)鍵瓶頸，泛化能力亟待提升。業(yè)內(nèi)主要探索兩條技術(shù)路線：一條是動作模型，以VLA模型為代表，能直接操控物理世界，但因數(shù)據(jù)稀缺，泛化能力不足；另一條是大腦模型，比如VLM模型，本身有一定泛化能力，卻缺少記憶、動態(tài)認知有限，還會出現(xiàn)物理認知偏差，無法支撐人形機器人完成復雜的移動與操作任務(wù)。

RynnBrain的出現(xiàn)，在一定程度上解決了具身模型在時空記憶與物理空間推理的短板。達摩院不僅開源了RynnBrain模型，還配套開放了完整的推理訓練代碼、全新評測基準RynnBrain-Bench，為產(chǎn)業(yè)帶來了統(tǒng)一的基礎(chǔ)設(shè)施和評估標準，推動降低了具身智能領(lǐng)域的研發(fā)門檻。