阿里达摩院发布并开源具身智能大脑基础模型RynnBrain

IT之家 2 月 10 日消息，今日阿里巴巴达摩院发布具身智能大脑基础模型 RynnBrain，并一次性开源了包括 30B MoE 在内的 7 个全系列模型。

官方称，RynnBrain 首次让机器人拥有了时空记忆和空间推理能力，智能水平实现大幅跃升，在 16 项具身开源评测榜单上刷新纪录（SOTA），超越谷歌 Gemini Robotics ER 1.5 等行业顶尖模型。

IT之家附官方详细介绍如下：

具身模型的智能水平已成为行业发展的重要瓶颈，尤其是泛化能力亟待提升。业界形成了多条技术路线的探索：一类是动作模型，从机器人末端动作输出着手，发展出可以直接操作物理世界的 VLA 模型，但 VLA 模型往往因为数据稀缺难以实现泛化；另一类是大脑模型，从本身具有泛化能力的 VLM 等模型入手，但他们普遍缺乏记忆能力，动态认知受限，且普遍存在物理幻觉，难以支持人形机器人复杂的移动操作。

为了克服这些问题，达摩院的 RynnBrain 模型创造性地引入了时空记忆和物理世界推理，这是机器人与环境互动所需的两项基本能力。时空记忆能力可让机器人在其完整的历史记忆中定位物体、目标区域，甚至预测运动轨迹，从而赋予机器人全局时空回溯能力。物理空间推理不同于传统的纯文本推理范式，RynnBrain 采用文本与空间定位交错进行的推理策略，确保其推理过程紧密扎根于物理环境，大大减弱了幻觉问题。举例来说，运行 RynnBrain 模型的机器人，在执行 A 任务中被突然打断要求先做 B 任务，它能记住 A 任务的时间和空间状态，等完成 B 后继续工作。

RynnBrain 具有认知、定位、推理、规划等多重能力

RynnBrain 在 Qwen3-VL 基础上训练，使用自研的 RynnScale 架构进行训练优化，同等资源加速两倍，训练数据超过 2000 万对。结果显示，RynnBrain 能力全面，性能领先，在 16 项具身开源评测榜单上刷新纪录（SOTA），包括环境感知与对象推理、第一人称视觉问答、空间推理、轨迹预测等，超越了谷歌 Gemini Robotics ER 1.5、英伟达 Cosmos Reason 2 等具身顶尖模型。

RynnBrain 在 16 项具身评测上实现 SOTA

RynnBrain 还拥有良好的可拓展性，能够快速后训练出导航、规划、动作等多种具身模型，有望成为具身行业的基础模型。以具身规划模型为例，其需要强大预测能力和场景解析能力，但基于 RynnBrain 为基础，只需几百条数据微调，效果就能超越 Gemini 3 Pro，轻松实现 SOTA。

以开源完整的推理与训练代码的方式，达摩院此次开源了 RynnBrain 全系列模型，共计 7 个，包含全尺寸基础模型与后训练专有模型，其中有业界首个 MoE 架构的 30B 具身模型，只需要 3B 的推理激活参数就能超越业界的 72B 模型效果，因此能让机器人动作更快、更丝滑。同时，达摩院还开源了全新评测基准 RynnBrain-Bench，用于评测时空细粒度具身任务，填补了行业空白。

RynnBrain 模型架构

达摩院具身智能实验室负责人赵德丽表示：“RynnBrain 首次实现了大脑对物理世界的深度理解与可靠规划，为大小脑分层架构下的通用具身智能迈出关键一步。我们期待它加速 AI 从数字世界走向真实物理场景的落地进程。”据了解，达摩院积极投入具身智能，正在构建可部署、可扩展、可进化的具身智能系统，已开源了融合世界模型和 VLA 模型的 WorldVLA、世界理解模型 RynnEC 等具身模型，以及业界首个机器人上下文协议 RynnRCP。

更多详情可点击以下链接：

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

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

主页：https://alibaba-damo-academy.github.io/RynnBrain.github.io/