Metaphor

RynnBrain：开放具身基础模型

11分钟阅读

概述

RynnBrain 是阿里巴巴达摩院（DAMO Academy）于2026年2月发布的完全开源具身基础模型，旨在为机器人提供统一的物理世界理解能力。该模型突破了传统视觉-语言模型被动观察的局限，通过以自我为中心的认知（Egocentric Cognition）、**精准的时空定位（Spatiotemporal Grounding）和真实任务规划（Real Task Planning）**三大核心能力，使智能体能够在物理世界中进行主动的、物理感知的推理与复杂任务执行。12

RynnBrain 的核心贡献在于首次将时空记忆和物理空间推理能力赋予机器人，填补了开源具身智能领域缺乏统一、物理锚定的基础模型的空白。3

架构设计

基于 Qwen3-VL 的基础改造

RynnBrain 以 Qwen3-VL 作为基础架构进行具身智能增强改造。Qwen3-VL 是阿里通义千问团队开源的多模态大模型，具备强大的视觉理解能力。RynnBrain 在其基础上进行了以下关键改造：

  1. Physics-Aware Spatiotemporal Pretraining：在 20M 规模的样本上进行时空预训练，使模型理解物体在时间维度的变化和空间位置关系
  2. Chain-of-Point (CoP) 交织推理：引入点链式推理机制，将视觉感知与空间推理交织进行
  3. GRPO 强化学习优化：采用 Group Relative Policy Optimization (GRPO) 进行策略优化，提升物理推理能力

模型规模与变体

RynnBrain 提供三种规模的模型：

模型类型参数量特点
RynnBrain-2BDense2B轻量级，适合边缘部署
RynnBrain-8BDense8B平衡性能与效率
RynnBrain-30B-A3BMoE30B（激活3B）混合专家架构，推理能力最强

MoE 架构说明

30B 版本采用 MoE（混合专家）架构，具体为 A3B 配置，即：

  • 总参数量：30B
  • 激活参数量：约 3B（每次推理只激活部分专家网络）
  • 优势：在保持强大推理能力的同时，显著降低推理计算成本

领域专用模型

除通用版本外，RynnBrain 还发布了三个领域专用变体：

模型用途说明
RynnBrain-Plan任务规划专注于复杂任务的分解与规划
RynnBrain-Nav导航定位专注于空间导航与路径规划
RynnBrain-CoP空间推理专注于 Chain-of-Point 交织推理

这些专用模型均提供 8B 和 30B-A3B 两个版本。4

核心能力

以自我为中心的认知（Egocentric Cognition）

传统视觉语言模型主要处理第三人称视角的静态图像，而 RynnBrain 增强了第一人称/自我视角的感知能力：

  • 视角理解：理解摄像头/机器人视角下的场景
  • 身体感知：理解自身与环境的相对位置关系
  • 注意力机制：聚焦于与当前任务相关的空间区域

这种能力使机器人能够像人类一样”从自身角度”理解和响应环境。5

时空定位（Spatiotemporal Grounding）

RynnBrain 具备精准的时空定位能力，能够：

  • 物体追踪：在连续帧中追踪特定物体的位置变化
  • 动作理解：理解场景中发生的动作序列及其因果关系
  • 空间关系：精确判断物体之间的空间位置关系（上下、左右、前后等）

这解决了具身智能中”感知到行动”的关键问题——模型能够准确知道”目标在哪里”以及”如何到达那里”。3

物理感知推理

RynnBrain 不仅理解场景的视觉特征，还具备物理世界推理能力：

  • 物理常识：理解重力、碰撞、平衡等物理规律
  • 力学直觉：预测物体运动趋势和受力情况
  • 因果推理：理解动作与结果之间的因果关系

这种能力通过 GRPO 强化学习 训练得到，使模型能够在规划动作时考虑物理约束。6

RynnBrain-Bench 评测套件

评测设计

RynnBrain-Bench 是一个高维度评测套件，专门用于评估具身智能模型的认知和定位能力。其独特之处在于：

  1. 精细化理解：强调复杂家庭环境中的细粒度理解
  2. 时空定位：聚焦于时序视频片段中的精确时空定位
  3. 多维度评估：涵盖对象认知、空间认知等多个维度

评测维度

RynnBrain-Bench 包含以下核心评测任务：

评测维度描述样本量
Object Cognition物体识别与属性理解2000
Spatial Cognition空间关系与定位2000

评测任务示例

RynnBrain-Bench 的任务形式包括：

  • 视频问答：给定一段机器人在室内行走的视频，回答关于物体位置、动作序列等问题
  • 时空定位：在视频中定位某个物体出现的时间点和空间位置
  • 任务规划：给定任务描述和当前场景，规划合理的动作序列

该评测套件可通过 Hugging Face 获取：Alibaba-DAMO-Academy/RynnBrain-Bench7

开源生态

许可证

RynnBrain 采用 Apache-2.0 开源许可证，这是目前最宽松的开源许可证之一：

  • ✅ 允许商业使用
  • ✅ 允许修改和衍生
  • ✅ 允许私有闭源
  • ✅ 需要保留版权声明
  • ✅ 不提供任何担保

发布资源

资源地址说明
GitHubalibaba-damo-academy/RynnBrain代码、示例、文档
项目主页alibaba-damo-academy.github.io/RynnBrain.github.io官方展示页面
Hugging FaceAlibaba-DAMO-Academy/RynnBrain模型权重集合

模型下载

所有模型均可从 Hugging Face 获取：

模型Hugging Face ID
RynnBrain-2BAlibaba-DAMO-Academy/RynnBrain-2B
RynnBrain-8BAlibaba-DAMO-Academy/RynnBrain-8B
RynnBrain-30B-A3BAlibaba-DAMO-Academy/RynnBrain-30B-A3B
RynnBrain-Plan-8BAlibaba-DAMO-Academy/RynnBrain-Plan-8B
RynnBrain-Plan-30B-A3BAlibaba-DAMO-Academy/RynnBrain-Plan-30B-A3B
RynnBrain-Nav-8BAlibaba-DAMO-Academy/RynnBrain-Nav-8B

与其他开源 VLA 模型对比

主流开源 VLA 模型概览

模型机构类型参数量特点
RynnBrain阿里达摩院通用具身2B/8B/30B时空定位、物理推理、开源最全
OpenVLAStanford/NVIDIA视觉-语言-动作7B专注机器人操控动作预测
π0 (PI0)Physical Intelligence专有→开源7B/21B专注操控，物理直觉强
GR00TNVIDIA通用具身-Isaac 仿真生态集成

能力对比

能力RynnBrainOpenVLAπ0
视觉理解✅ 多模态VL✅ VLA集成✅ VLA集成
时空定位✅ 核心能力⚠️ 有限⚠️ 有限
物理推理✅ GRPO训练❌✅
任务规划✅ Plan变体❌❌
导航能力✅ Nav变体❌❌
开源完整度✅ 代码+权重+数据✅⚠️ 部分开源
模型规模✅ 2B-30B仅7B7B/21B

差异化定位

RynnBrain 的定位与其他开源 VLA 模型存在显著差异：

  1. 定位差异：OpenVLA 和 π0 主要聚焦于机器人操控动作预测，而 RynnBrain 是一个通用具身智能基础模型，强调感知、推理、规划的完整能力

  2. 能力边界：RynnBrain 的时空定位和物理推理能力是目前开源模型中最完整的，填补了”具身视觉-语言模型”到”具身动作模型”之间的能力空白

  3. 生态完整度：RynnBrain 提供从 2B 到 30B 的完整模型矩阵，以及 Plan、Nav、CoP 专用变体，是目前开源具身模型中覆盖最全面的8

技术总结

RynnBrain 的核心技术贡献可以归纳为以下几点：

创新点

  1. 统一具身认知框架：首次将 egocentric cognition、spatiotemporal grounding、physical reasoning 整合到统一框架中

  2. Physics-Aware 预训练：20M 规模的时空预训练数据，使模型获得物理世界直觉

  3. Chain-of-Point 推理：创新的交织推理机制，提升空间推理的准确性

  4. GRPO 强化学习：采用先进的强化学习算法进行策略优化

性能表现

根据论文报告，RynnBrain 在 20 个具身智能基准测试上大幅超越同等规模的具身模型，Post-trained 变体在以下任务上取得 SOTA：

  • VLN（视觉语言导航）：RynnBrain-Nav 表现优异
  • Manipulation Planning（操控规划）：RynnBrain-Plan 表现优异
  • VLA（视觉语言动作）：RynnBrain 通用版本表现优异6

引用

Footnotes

  1. RynnBrain GitHub Repository ↩

  2. Alibaba Cloud Community: Alibaba Unveiled Open-sourced Embodied Foundation Model for Robotics ↩

  3. RynnBrain Official Project Page ↩ ↩2

  4. RynnBrain Hugging Face Collection ↩

  5. Bloomberg: Alibaba Pushes Into Robotics AI With Open-Source ‘RynnBrain’ ↩

  6. arXiv:2602.14979 - RynnBrain: Open Embodied Foundation Models ↩ ↩2

  7. RynnBrain-Bench Dataset on Hugging Face ↩

  8. ToKnow.ai: RynnBrain Technical Analysis ↩

关系图谱

反向链接