阿里巴巴達摩院近日在具身智能領(lǐng)域取得重大突破，正式推出具備時空記憶與物理推理能力的RynnBrain基礎(chǔ)模型，并同步開源包含30B MoE架構(gòu)在內(nèi)的7個全系列模型。該模型首次賦予機器人理解物理世界動態(tài)變化的能力，在16項國際權(quán)威評測中刷新行業(yè)紀錄，性能超越谷歌Gemini Robotics ER 1.5等頂尖模型，標志著具身智能技術(shù)邁向新階段。

傳統(tǒng)機器人系統(tǒng)常因任務(wù)中斷導致執(zhí)行失敗，而RynnBrain通過引入時空記憶模塊，使機器人能夠精準記錄任務(wù)的時間節(jié)點與空間位置。例如，當機器人在執(zhí)行搬運任務(wù)途中被要求優(yōu)先處理清潔工作時，系統(tǒng)可自動保存原任務(wù)的坐標參數(shù)與進度狀態(tài)，待清潔完成后無縫恢復搬運操作。這種能力源于模型對物理世界的深度解析，其內(nèi)置的推理引擎可模擬人類對空間關(guān)系的認知過程。

在技術(shù)架構(gòu)層面，RynnBrain采用模塊化設(shè)計，支持快速衍生出導航、操作、規(guī)劃等垂直領(lǐng)域模型。實驗數(shù)據(jù)顯示，基于該基礎(chǔ)模型微調(diào)的具身規(guī)劃模型，僅需數(shù)百條訓練數(shù)據(jù)即可達到超越Gemini 3 Pro的性能水平。其MoE架構(gòu)的30B參數(shù)版本更展現(xiàn)出顯著優(yōu)勢，機器人動作流暢度提升40%，響應(yīng)速度縮短至0.3秒以內(nèi)，為工業(yè)場景中的精密操作提供技術(shù)保障。

為推動行業(yè)標準化發(fā)展，達摩院同步開源全新評測基準RynnBrain-Bench。該基準聚焦時空細粒度任務(wù)，包含動態(tài)障礙物避讓、多任務(wù)優(yōu)先級調(diào)度等復雜場景，填補了現(xiàn)有評測體系在物理世界交互能力評估方面的空白。開源社區(qū)已涌現(xiàn)出基于該基準的優(yōu)化方案，某物流機器人團隊通過調(diào)整模型注意力機制，將多任務(wù)切換效率提升了25%。

達摩院具身智能實驗室負責人趙德麗指出，RynnBrain的成功研發(fā)驗證了"大小腦分層架構(gòu)"的可行性，其中基礎(chǔ)模型作為"大腦"負責全局規(guī)劃，執(zhí)行系統(tǒng)作為"小腦"處理實時反饋。這種設(shè)計使機器人既能理解人類指令的深層意圖，又能適應(yīng)動態(tài)環(huán)境的突發(fā)變化。目前，該模型已在智能制造、倉儲物流等領(lǐng)域展開試點應(yīng)用，某汽車工廠的裝配機器人通過部署RynnBrain，將零件誤裝率降至0.02%以下。

在開源生態(tài)建設(shè)方面，達摩院持續(xù)釋放技術(shù)紅利。除本次開源的RynnBrain全系列模型外，實驗室此前已開放WorldVLA世界模型、RynnEC理解模型等核心組件，以及機器人通信協(xié)議RynnRCP。這些技術(shù)資產(chǎn)正被全球開發(fā)者用于構(gòu)建下一代具身智能系統(tǒng)，某科研團隊基于開源架構(gòu)開發(fā)的醫(yī)療輔助機器人，已能完成手術(shù)器械的自主分類與傳遞任務(wù)。