阿里巴巴達(dá)摩院在具身智能領(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個全尺寸模型。該模型首次賦予機(jī)器人理解物理世界動態(tài)變化的能力，在16項(xiàng)具身智能評測指標(biāo)中全面超越谷歌Gemini Robotics ER 1.5等國際頂尖模型，刷新行業(yè)最佳紀(jì)錄（SOTA）。

傳統(tǒng)機(jī)器人系統(tǒng)在執(zhí)行多任務(wù)時存在顯著局限，而RynnBrain通過引入時空記憶模塊，使機(jī)器人能夠?qū)崟r記錄任務(wù)的時間坐標(biāo)與空間狀態(tài)。例如，當(dāng)機(jī)器人執(zhí)行清潔任務(wù)途中被要求優(yōu)先處理緊急搬運(yùn)需求時，該模型可精準(zhǔn)記憶清潔任務(wù)的暫停位置、已覆蓋區(qū)域等關(guān)鍵信息，待搬運(yùn)完成后無縫恢復(fù)清潔工作。這種類人化的任務(wù)管理能力，標(biāo)志著機(jī)器人從被動執(zhí)行向主動規(guī)劃的跨越式發(fā)展。

在技術(shù)架構(gòu)層面，RynnBrain采用創(chuàng)新的混合專家（MoE）設(shè)計，其30B參數(shù)模型通過動態(tài)路由機(jī)制實(shí)現(xiàn)計算效率與模型性能的平衡。實(shí)驗(yàn)數(shù)據(jù)顯示，基于該架構(gòu)訓(xùn)練的導(dǎo)航模型僅需500條場景數(shù)據(jù)微調(diào)，即可在復(fù)雜環(huán)境路徑規(guī)劃中達(dá)到超越Gemini 3 Pro的精度，推理速度提升37%。這種高效訓(xùn)練特性使其具備成為具身智能領(lǐng)域"基礎(chǔ)操作系統(tǒng)"的潛力。

為推動行業(yè)標(biāo)準(zhǔn)化建設(shè)，達(dá)摩院同步開源全球首個時空細(xì)粒度評測基準(zhǔn)RynnBrain-Bench。該基準(zhǔn)包含2000個動態(tài)場景測試用例，涵蓋物體狀態(tài)變化、空間關(guān)系重構(gòu)等復(fù)雜任務(wù)，有效解決了現(xiàn)有評測體系無法量化評估機(jī)器人物理世界理解能力的痛點(diǎn)。配套開源的WorldVLA融合模型與RynnRCP機(jī)器人通信協(xié)議，已形成覆蓋感知、決策、執(zhí)行的全棧技術(shù)解決方案。

據(jù)項(xiàng)目負(fù)責(zé)人介紹，RynnBrain的研發(fā)突破源于對"大小腦分層架構(gòu)"的深度探索。通過將高階認(rèn)知功能與低階運(yùn)動控制解耦，該模型成功構(gòu)建出可解釋、可干預(yù)的智能系統(tǒng)。目前相關(guān)技術(shù)已在工業(yè)巡檢、家庭服務(wù)等場景完成驗(yàn)證，某物流企業(yè)測試顯示，搭載RynnBrain的分揀機(jī)器人任務(wù)切換效率提升65%，異常處理成功率達(dá)92%。