阿里巴巴達摩院在具身智能領域取得重大突破，正式推出具身智能大腦基礎模型RynnBrain，并同步開源包含30B MoE架構在內的7個全尺寸模型。這一成果標志著機器人首次具備時空記憶與物理世界推理能力，在16項國際權威評測中刷新紀錄，性能超越谷歌Gemini Robotics ER 1.5等頂尖模型。

傳統(tǒng)機器人執(zhí)行任務時若被中斷，往往需要重新規(guī)劃流程。RynnBrain通過引入時空記憶模塊，使機器人能精準記錄任務的時間節(jié)點與空間位置。例如，當機器人在搬運物品途中被要求優(yōu)先處理其他事務時，系統(tǒng)可自動保存當前任務狀態(tài)，待完成緊急任務后無縫銜接原任務流程。這種能力源于模型對物理世界因果關系的深度理解，而非簡單的條件反射式響應。

在技術架構層面，RynnBrain采用混合專家（MoE）設計，其中30B參數模型通過動態(tài)路由機制實現高效計算。實驗數據顯示，基于該模型訓練的具身規(guī)劃模塊，僅需數百條場景數據微調即可達到SOTA水平，其場景解析準確率較Gemini 3 Pro提升23%。這種可擴展性使模型能快速適配導航、操作等不同應用場景，為行業(yè)提供標準化基礎框架。

達摩院同步開源的RynnBrain-Bench評測基準，首次構建了包含時空細粒度任務的評估體系。該基準涵蓋動態(tài)障礙物避讓、多階段任務銜接等200余個測試場景，填補了行業(yè)在復雜物理環(huán)境評估方面的空白。配套開源的還有WorldVLA融合模型與RynnRCP機器人通信協議，形成從基礎能力到系統(tǒng)部署的完整技術棧。

據項目負責人介紹，RynnBrain的研發(fā)突破了傳統(tǒng)具身智能"大腦-小腦"分離架構的限制，通過統(tǒng)一模型實現認知推理與運動控制的協同優(yōu)化。目前團隊正與多家制造業(yè)企業(yè)合作，將技術應用于精密裝配、柔性物流等場景，推動AI從數字空間向真實物理世界的滲透。開源社區(qū)已收到來自23個國家的開發(fā)者提交的改進方案，形成技術迭代的良性生態(tài)。