一个正在整理餐桌的机器人被临时要求取面包，它不仅能暂停当前任务，取完面包后还能准确回到原位继续工作——这不再是科幻场景，而是阿里最新开源模型赋予机器人的基础能力。
2026年2月10日，阿里巴巴达摩院正式发布具身智能大脑基础模型RynnBrain，并一次性开源包括30B MoE在内的7个全系列模型。
这款模型的核心突破在于首次赋予机器人时空记忆与空间推理能力，在16项具身智能评测中全面超越谷歌Gemini Robotics ER 1.5等行业顶尖模型。
01 技术突破
长期以来，机器人“健忘症”和“物理幻觉”问题制约着具身智能发展。传统机器人要么缺乏记忆无法连贯执行多步任务，要么脱离物理环境产生不合理行为。
RynnBrain通过两项创新从根本上改变了这一局面。
时空记忆能力使机器人能够在其完整的历史记忆中定位物体、预测运动轨迹，获得全局时空回溯能力。物理空间推理采用文本与空间定位交错的推理策略，确保每一步推断都严格基于物理场景。
这两项能力的结合，使机器人能够理解“时”与“空”的关联，像人类一样在动态环境中做出连续、合理的决策。
02 性能表现
评测数据显示，RynnBrain在16项具身开源评测榜单上全部刷新纪录，实现SOTA（当前最优）。
它不仅在综合性能上超越谷歌Gemini Robotics ER 1.5，更在环境感知与对象推理、第一人称视觉问答、空间推理、轨迹预测等关键维度上展现出领先优势。
特别值得一提的是，基于RynnBrain的具身规划模型，仅需几百条数据微调，效果就能超越Gemini 3 Pro。这种高效的学习能力为快速适配不同应用场景提供了可能。
03 模型设计
RynnBrain在通义千问Qwen3-VL基础上训练，采用达摩院自研的RynnScale架构进行优化。
训练数据超过2000万对，在同等资源条件下，训练速度提升两倍。这种效率提升对于需要处理海量物理世界数据的具身智能模型至关重要。
该系列包含业界首个MoE（混合专家）架构的30B具身模型。这一设计使模型只需激活3B参数就能超越业界72B模型效果，让机器人动作响应更快、更流畅。
04 开源生态
达摩院此次不仅开源了RynnBrain全系列7个模型，还同步开放了完整的推理与训练代码。
这一开源策略显著降低了具身智能的研发门槛，使更多研究机构和企业能够基于统一的基础设施开展创新工作。
同时发布的还有全新评测基准RynnBrain-Bench，专注于评估时空细粒度具身任务，填补了行业在该领域的评估空白。
达摩院具身智能实验室负责人赵德丽表示：“RynnBrain首次实现了大脑对物理世界的深度理解与可靠规划，为通用具身智能迈出关键一步。”
05 行业影响
具身智能被认为是AI从数字世界走向物理世界的关键路径。随着RynnBrain等先进模型的开源，机器人行业正在迎来新的发展机遇。
传统工业机器人需要针对每个任务进行专门编程，而基于RynnBrain的机器人能够理解自然语言指令，在动态环境中自主规划行动路径。
这种能力将使机器人从“自动化工具”转变为“智能伙伴”，在家庭服务、医疗护理、智能制造等复杂场景中发挥更大作用。
机器人正从执行单一指令的机械臂，转变为能记住物品位置、理解任务上下文、在动态环境中自主决策的智能体。搭载RynnBrain的机器人已经能在杂乱桌面上分类食物时被临时打断，取完面包后准确回归原任务继续工作。
当机器人学会“记忆”与“思考”，它们与人类协作的深度正在被重新定义。厨房里，机器人能记住调味瓶的位置变化；工厂中，它们能追踪零件的移动轨迹；医院内，它们能理解医护人员的临时需求调整。
具身智能的竞赛已从实验室走向产业落地，而开源正在成为加速这一进程的关键引擎。
关注 “悠AI” 更多干货技巧行业动态
相关文章
