达摩院开源具身智能“三大件” 机器人上下文协议首次开源

8月11日消息，在世界机器人大会上，阿里达摩院宣布开源自研的 VLA 模型RynnVLA-001-7B、世界理解模型RynnEC、以及机器人上下文协议RynnRCP，推动数据、模型和机器人的兼容适配，打通具身智能开发全流程。

具身智能领域飞速发展，但仍面临开发流程碎片化，数据、模型与机器人本体适配难等重大挑战。达摩院将MCP（Model Context Protocol）理念引入具身智能，首次提出并开源了RCP（Robotics Context Protocol）协议以推动不同的数据、模型与本体之间的对接适配。达摩院打造了名为RynnRCP的一套完整的机器人服务协议和框架，能够打通从传感器数据采集、模型推理到机器人动作执行的完整工作流，帮助用户根据自身场景轻松适配。RynnRCP现已经支持Pi0、GR00T N1.5等多款热门模型以及SO-100、SO-101等多种机械臂，正持续拓展。

具体而言，RynnRCP包括RCP框架和RobotMotion两个主要模块。RCP框架旨在建立机器人本体与传感器的连接，提供标准化能力接口，并实现不同的传输层和模型服务之间的兼容。RobotMotion则是具身大模型与机器人本体控制之间的桥梁，能将离散的低频推理命令实时转换为高频的连续控制信号，实现平滑、符合物理约束的机器人运动。同时，RobotMotion还提供了一体化仿真-真机控制工具，帮助开发者快速上手，支持任务规控、仿真同步、数据采集与回放、轨迹可视化等功能，降低策略迁移难度。

大会上，达摩院还宣布开源两款具身智能大模型。RynnVLA-001是达摩院自主研发的基于视频生成和人体轨迹预训练的视觉-语言-动作模型，其特点是能够从第一人称视角的视频中学习人类的操作技能，隐式迁移到机器人手臂的操控上，从而让机械臂操控更加连贯、平滑，更接近于人类动作。

世界理解模型RynnEC将多模态大语言模型引入具身世界，赋予了大模型理解物理世界的能力。该模型能够从位置、功能、数量等11个维度全面解析场景中的物体，并在复杂的室内环境中精准定位和分割目标物体。无需3D模型，该模型仅靠视频序列就能建立连续的空间感知，还支持灵活交互。

此外，达摩院还在上月开源了WorldVLA模型,首次将世界模型与动作模型融合，提升了图像与动作的理解与生成能力。相比传统模型，该模型抓取成功率提高4%，视频生成质量显著改善，展现了较好的协同性和准确性。

开源链接：

·机器人上下文协议RynnRCP

https://github.com/alibaba-damo-academy/RynnRCP

·视觉-语言-动作模型 RynnVLA-001

https://github.com/alibaba-damo-academy/RynnVLA-001

·世界理解模型 RynnEC

https://github.com/alibaba-damo-academy/RynnEC

·WorldVLA模型

https://github.com/alibaba-damo-academy/WorldVLA