【量子位 2026年2月10日讯】家务机器人执行任务时“智商掉线”？拿药途中忘记目标、转身就找不到物品的尴尬即将成为历史！阿里达摩院正式开源业界首个具备时空记忆的具身大脑基础模型RynnBrain，全系列涵盖2B至30B七种参数规模，以3B激活参数实现超越72B模型的性能表现，彻底解决具身机器人“脑子学会了，手跟不上”的核心痛点，为家用、工业等场景的智能机器人落地扫清关键障碍。
直击行业痛点 破解具身智能“健忘症”
当前具身智能机器人普遍面临“数字大脑”与“物理世界”脱节的困境：现有大模型多为“缸中之脑”，仅能理解二维图片和文本，缺乏对三维物理空间的感知与连续记忆能力。执行“把药片拿给奶奶”这类任务时，机器人可能在转身瞬间就“忘记”药瓶位置，甚至误抓无关物品，核心症结在于无法建立空间坐标系、记住物体轨迹及判断目标存续状态。
为填补这一认知断层，达摩院团队打造的RynnBrain模型，创新性地赋予机器人“时空记忆”与“物理空间推理”能力。它不仅能实时识别眼前场景，还能构建涵盖空间、位置、事件、轨迹的多维度记忆表征，即便任务被打断或转身移动，也能精准回溯断点、找回目标物体，让机器人在物理世界中具备“全局时空回溯能力”。
小参数量大能量 3B激活参数实现性能越级
RynnBrain的核心优势在于“小而美”的效率美学。作为首个MoE架构的具身基础模型，其旗舰版本RynnBrain-30B-A3B仅需3B推理激活参数，在20项具身Benchmark中全面超越英伟达Cosmos-reason2、谷歌Gemini Robotics ER 1.5等顶尖模型，斩获16项SOTA，性能甚至超过72B规模的Pelican-VL（当前最大规模具身基础模型）。
这一突破对机器人落地意义重大：更小的激活参数意味着更快的响应速度、更低的硬件功耗与成本，让高性能具身智能有望普及至端侧设备。模型训练效率同样亮眼，依托达摩院自研的RynnScale架构，对Dense与MoE模型进行深度优化，同等计算资源下训练速度提升200%，加速模型迭代与场景适配。
在数据层面，RynnBrain基于Qwen3-VL训练，融合超过2000万对高质量语料：复用Video-Llama 3通用多模态数据，补充物体认知、空间认知等具身专属数据，更创新生成100万对“自我为中心”的OCR问答数据，适配机器人视角的透视效果与动态画面，使其能看懂药瓶标签、门牌数字等实用信息。
三维核心能力 打通物理世界认知链路
RynnBrain通过三大耦合能力，构建起完整的具身认知体系：
-
时空记忆能力：突破传统模型“帧级处理、看完就忘”的局限，能在完整历史记忆中定位物体、预测轨迹。例如机器人在厨房洗菜后转身取肉，仍能精准记住水槽位置与菜品摆放，任务中断后可无缝续接。
-
物理空间推理：采用“文本与空间定位交错”策略，推理时同步输出区域坐标、物体边界框、障碍物点集等空间信息，如“走向[桌子]（视频帧坐标）→ 抓取[苹果]（边界框）→ 避开[水杯]（点集）”，推理结果受物理世界约束，大幅降低幻觉风险。
-
高可拓展性：作为强大的基础基座，微调后可快速适配多元任务。在导航任务中，基于SOTA模型StreamVLN数据微调后，导航成功率直接提升2%-3%；仅用数百条数据微调的操作规划模型，在域内域外任务中全面超越Gemini 3 Pro。
输入输出端同样灵活：支持任意分辨率图片、多图及视频输入，适配高清摄像头与模糊监控等不同场景；可输出区域、轨迹、夹爪位姿、文本等多模态结果，直接向机械臂下达“坐标(x,y,z)+30度抓取”的精准指令，打通“认知-规划-执行”的全链路。
全量开源赋能 降低行业三大门槛
达摩院此次采取全方面开源策略，不仅释放RynnBrain全系列模型，还配套开放完整推理训练代码与全新评测基准RynnBrain-Bench。该基准包含22项细粒度指标，覆盖物体认知、空间认知、物体定位、具身点预测四大维度，为行业提供统一的能力评估标尺。
这一系列举措将系统性降低具身智能行业的三大核心门槛：
-
研发门槛：无需重复训练基础物理常识模型，开发者可直接基于RynnBrain二次开发，聚焦硬件优化与垂直场景落地；
-
系统门槛：统一导航、规划、操作模块的物理世界认知，实现信息无损流转，提升系统整体效率；
-
协作门槛：通过标准化基准与开源生态，让不同团队在同一参照系下竞争迭代，加速行业技术共识。
分层架构引领 赌局背后的生态野心
RynnBrain的推出，标志着达摩院“大小脑分层架构”落地：以RynnBrain为“大脑”，负责长程规划、场景理解与时空记忆；执行层“小脑”专注电机控制与动作执行，理论上更利于泛化，工程上便于模块化迭代。这一路线与通用VLM演化、动作策略切入两大主流路径形成差异化，首次为分层架构提供可落地的大脑层实现。
达摩院的开源动作，暗藏着对具身智能生态的长远布局——赌通用物理世界认知是机器人实用化的必经之路，赌行业未来是百花齐放而非一家独大。随着RynnBrain生态的激活，开发者可聚焦家政服务、工业巡检、文旅导览等垂直场景创新，推动具身机器人从实验室走向千家万户。
目前，RynnBrain已在GitHub、抱抱脸平台开放下载，项目主页同步上线（GitHub：https://github.com/alibaba-damo-academy/RynnBrain）。这款“会记事儿、懂空间”的具身大脑，正推开机器人通往真实物理世界的大门，未来能否催生更多实用化智能机器人产品，值得行业持续关注。
