RynnBrain是什么
RynnBrain是阿里巴巴达摩院推出的开源具身智能大脑基础模型，首次让机器人拥有时空记忆和物理空间推理能力。模型基于Qwen3-VL训练，采用自研RynnScale架构，训练数据超2000万对。模型在16项具身开源评测中刷新纪录（SOTA），超越谷歌Gemini Robotics ER 1.5等顶尖模型。阿里一次开源了7个全系列模型，包括业界首个30B MoE架构具身模型，仅需3B激活参数即可实现高效推理，让机器人动作更快更丝滑，为复杂移动操作和长期任务规划提供”大脑”级支持。
RynnBrain的主要功能
- 时空记忆：机器人可在完整历史记忆中定位物体与目标区域，预测运动轨迹，实现全局时空回溯能力。
- 物理空间推理：模型采用文本与空间定位交错的推理策略，确保推理过程紧密扎根于物理环境，大幅减弱幻觉问题。
- 任务连续性：机器人在执行A任务被中断转做B任务后，能记住A任务的时间和空间状态，完成后自动续接。
- 多维度感知：模型支持环境感知、对象推理、第一人称视觉问答、空间推理与轨迹预测等16项具身能力。
- 快速拓展：基于基础模型仅需几百条数据微调，可后训练出导航、规划、动作等多种具身专有模型。
RynnBrain的技术原理
- 多模态融合架构：RynnBrain 采用端到端的多模态架构，将第一人称视频、语言指令与物理环境信息统一编码，通过跨模态注意力实现视觉-语言对齐，并入物理约束模块，使推理过程兼顾统计模式与物体 affordance、几何关系等物理规律，最终输出可执行的动作序列。
- 自我中心认知：针对动态第一人称视角，模型采用视频 Transformer 处理长时序序列，建立跨帧一致性，通过 3D 场景图或神经辐射场构建可查询的空间记忆，支持对历史观测的回溯推理，准确回答涉及时空关系的问题。
- 时空定位：RynnBrain 将历史视频编码为 episodic 记忆向量，支持基于自然语言的时序检索与关键帧定位，结合视觉 grounding 技术将文本映射到图像区域，通过空间坐标回归输出 3D 位置，能预测运动轨迹支持预测性规划。
- 物理感知规划：区别于直接预测动作的 VLA 模型，RynnBrain 显式引入物理世界模型：提取物体 affordance、验证动作可行性、用层次化规划器将高层意图分解为带条件分支的低层动作，确保复杂长程任务的成功率。
- 模型变体：提供 Dense（2B/8B）与 MoE（30B-A3B）两类架构：Dense 全参数激活适合实时边缘部署；MoE 稀疏激活兼顾大容量与低推理成本，并针对规划、导航、空间推理任务提供专门优化版本。
RynnBrain的项目地址
- 项目官网：https://alibaba-damo-academy.github.io/RynnBrain.github.io/
- GitHub仓库：https://github.com/alibaba-damo-academy/RynnBrain
- HuggingFace模型库：https://huggingface.co/collections/Alibaba-DAMO-Academy/rynnbrain
RynnBrain的应用场景
- 工业制造：模型支持复杂装配线上的多步骤操作，任务中断后可自动续接，提升产线柔性。
- 家庭服务：智能管家可记住物品摆放位置，完成跨房间取物指令并预测人员轨迹主动避让。
- 医疗护理：辅助机器人记忆患者位置与状态，紧急中断后能恢复护理流程，精准递送器械。
- 物流仓储：叉车与AGV在动态货架间实时更新环境记忆，预测运动轨迹避免碰撞。
- 科研探索：野外考察机器人记录采样点时空信息，支持长期科考任务与灾难救援搜索。