阿里巴巴达摩院近日在具身智能领域取得重大突破，正式推出具备时空记忆与物理推理能力的RynnBrain基础模型，并同步开源包含30B MoE架构在内的7个全系列模型。该模型首次赋予机器人理解物理世界动态变化的能力，在16项国际权威评测中刷新行业纪录，性能超越谷歌Gemini Robotics ER 1.5等顶尖模型，标志着具身智能技术迈向新阶段。
传统机器人系统常因任务中断导致执行失败，而RynnBrain通过引入时空记忆模块，使机器人能够精准记录任务的时间节点与空间位置。例如，当机器人在执行搬运任务途中被要求优先处理清洁工作时，系统可自动保存原任务的坐标参数与进度状态，待清洁完成后无缝恢复搬运操作。这种能力源于模型对物理世界的深度解析，其内置的推理引擎可模拟人类对空间关系的认知过程。
在技术架构层面，RynnBrain采用模块化设计，支持快速衍生出导航、操作、规划等垂直领域模型。实验数据显示，基于该基础模型微调的具身规划模型，仅需数百条训练数据即可达到超越Gemini 3 Pro的性能水平。其MoE架构的30B参数版本更展现出显著优势，机器人动作流畅度提升40%，响应速度缩短至0.3秒以内，为工业场景中的精密操作提供技术保障。
为推动行业标准化发展，达摩院同步开源全新评测基准RynnBrain-Bench。该基准聚焦时空细粒度任务，包含动态障碍物避让、多任务优先级调度等复杂场景，填补了现有评测体系在物理世界交互能力评估方面的空白。开源社区已涌现出基于该基准的优化方案，某物流机器人团队通过调整模型注意力机制，将多任务切换效率提升了25%。
达摩院具身智能实验室负责人赵德丽指出，RynnBrain的成功研发验证了"大小脑分层架构"的可行性，其中基础模型作为"大脑"负责全局规划，执行系统作为"小脑"处理实时反馈。这种设计使机器人既能理解人类指令的深层意图，又能适应动态环境的突发变化。目前，该模型已在智能制造、仓储物流等领域展开试点应用，某汽车工厂的装配机器人通过部署RynnBrain，将零件误装率降至0.02%以下。
在开源生态建设方面，达摩院持续释放技术红利。除本次开源的RynnBrain全系列模型外，实验室此前已开放WorldVLA世界模型、RynnEC理解模型等核心组件，以及机器人通信协议RynnRCP。这些技术资产正被全球开发者用于构建下一代具身智能系统，某科研团队基于开源架构开发的医疗辅助机器人，已能完成手术器械的自主分类与传递任务。
