阿里达摩院开源具身大脑模型RynnBrain：机器人首次拥有“时空记忆”，终结“转身就忘”

mate

阿里达摩院开源具身大脑模型RynnBrain：机器人首次拥有“时空记忆”，终结“转身就忘”


机器人完成任务时不再需要连续观察同一个目标，即便中途被干扰打断，它也能像人一样记住刚才做到哪里，并在脑海中构建出环境的完整三维地图。

这个模型首次让机器人拥有了时空记忆和空间推理能力。RynnBrain在全系列7个开源模型中，包含业界首个采用MoE（专家混合）架构的30B参数规模具身模型，仅需3B推理激活参数，性能即超越当前规模最大的72B参数模型Pelican-VL。

视频直击：这届机器人不仅有智商，更有情商。在达摩院的演示中，搭载RynnBrain的机器人表现出了令人惊叹的时空记忆和逻辑规划能力：

打断不忘事：在分类水果时被要求递面包，它能立刻“挂起”当前任务，完成指令后瞬间找回记忆，继续干活。

空间叠罗汉：面对“三个面包两个盘”的分配难题，它没有死脑筋，而是通过长程规划玩起了“叠罗汉”。

一眼识破伪装：即便你像玩“三仙归洞”一样疯狂调换水瓶位置，它那双具备物体记忆的眼睛也能死死锁住目标。

中文OCR+常识：它能读懂配料表，在一堆食物中精准挑出那款“低卡”产品。

这种表现，标志着机器人正从“简单的执行器”向“具备物理推理能力的智慧体”蜕变。

在具身智能的三条主流技术路线（端到端VLA、世界模型、VLM分层大脑）中，达摩院坚定地选择了第三种：基于VLM的高级进化。

核心黑科技一：RynnEC“火眼金睛”

不同于传统的看图说话，RynnBrain继承了达摩院与浙大联研的RynnEC视觉理解模型。它引入了区域编码器和SAM2掩码解码器，让机器人不仅能看，还能理解物体的材质、功能、三维尺度以及空间方位。

核心黑科技二：文本与空间定位交错推理

针对大模型在物理世界经常“一本正经胡说八道”的幻觉问题，RynnBrain采用了一种名为“言必有据”的机制。它要求模型在输出指令时，必须同时在视频流中锁定对应的像素坐标（Grounding）。说不出在哪，就不许下指令。 这极大地抑制了物理幻觉。

核心黑科技三：以小博大的MoE架构

RynnBrain基于Qwen3-VL底座，采用自研的RynnScale架构。

惊人数据：其MoE架构模型仅需3B（30亿）推理激活参数，在16项具身基准测试中，性能全面超越了参数量高达72B的Pelican-VL，以及谷歌的Gemini Robotics ER 1.5。

达摩院的野心：从“大脑”到“机器人OS”

这次发布不仅仅是模型，达摩院正在构建一个完整的具身生态闭环：
🔹 RynnBrain（大脑）：负责感知与时空规划。
🔹 RynnEC（感官）：负责世界理解。
🔹 RynnRCP（协议）：相当于机器人的底层“操作系统”，旨在打通不同品牌、不同型号的机器人硬件。

阿里通过“极致开源”：开放从2B到30B全系列模型，全栈代码及全新评测基准RynnBrain-Bench，实际上是在抢占具身智能时代的底层标准话语权。

马拉松可能才刚开始

具身智能是通往AGI（通用人工智能）的终极战场。正如英伟达黄仁勋所言，物理AI是下一个前沿。阿里达摩院此次“交卷”，不仅展示了中国在复杂多模态理解上的深厚积淀，更通过开源生态，将压力传导回了硅谷。

这场关于“大脑”与“肢体”的竞赛，远未到终点，但RynnBrain的出现，无疑让机器人真正学会了“像人一样思考与行动”。 http://t.cn/AX51N94Z