阿里巴巴達摩院近日在具身智能領域取得突破性進展，正式推出具備時空記憶與物理推理能力的RynnBrain基礎模型，并同步開源包含30B混合專家架構（MoE）在內的7個全尺寸模型。該模型首次賦予機器人理解物理世界時空關系的能力，在16項具身智能評測指標中全面超越谷歌Gemini Robotics ER 1.5等國際頂尖模型，刷新行業最佳紀錄（SOTA）。
傳統機器人系統在執行多任務時存在顯著局限，而RynnBrain通過引入時空記憶模塊與物理世界推理引擎，使機器人具備任務狀態記憶能力。例如，當機器人執行清潔任務時被臨時要求取快遞，它能精準記錄清潔進度、工具位置等時空信息，完成任務后自動恢復中斷的工作。這種能力突破源于達摩院獨創的分層認知架構，將環境感知、任務規劃與動作執行進行解耦設計。
在模型擴展性方面，RynnBrain展現出顯著優勢。基于該基礎模型開發的具身規劃模塊，僅需數百條場景數據微調即可達到專業級性能，在復雜路徑規劃測試中超越Gemini 3 Pro等模型。達摩院同步開源的RynnBrain-Bench評測基準，首次建立包含時空細粒度任務的評估體系，填補了行業在物理世界交互能力量化評估方面的空白。
此次開源的模型矩陣包含全尺寸基礎模型與垂直領域專用模型，其中30B MoE架構模型通過動態路由機制實現參數高效利用，使機器人動作響應速度提升40%，運動流暢度達到行業領先水平。配套開源的還有融合世界模型與視覺語言動作模型（VLA）的WorldVLA框架，以及首個機器人上下文交互協議RynnRCP，構建起完整的具身智能技術生態。
達摩院具身智能實驗室負責人趙德麗指出，RynnBrain的成功標志著通用具身智能進入新階段，其分層架構設計為數字大腦與物理軀體協同工作提供了可行范式。該模型已在實際場景中驗證了復雜任務處理能力，包括多樓層導航、動態障礙避讓等高級功能，顯著縮短了人工智能從虛擬世界向真實物理場景遷移的周期。目前研究團隊正持續優化模型的泛化能力，推動具身智能技術在工業制造、物流倉儲等領域的規模化應用。
