达摩院开源具身大脑基模RynnBrain，首次让机器人拥有时空记忆
达摩院DAMO 达摩院DAMO2026年2月10日 11:42浙江
2月10日，阿里巴巴达摩院发布具身智能大脑基础模型RynnBrain，并一次性开源了包括30B MoE在内的7个全系列模型。RynnBrain首次让机器人拥有了时空记忆和空间推理能力，智能水平实现大幅跃升，在16项具身开源评测榜单上刷新纪录（SOTA），超越谷歌Gemini Robotics ER 1.5等行业顶尖模型。
据介绍，具身模型的智能水平已成为行业发展的重要瓶颈，尤其是泛化能力亟待提升。业界形成了多条技术路线的探索：一类是动作模型，从机器人末端动作输出着手，发展出可以直接操作物理世界的VLA模型，但VLA模型往往因为数据稀缺难以实现泛化；另一类是大脑模型，从本身具有泛化能力的VLM等模型入手，但他们普遍缺乏记忆能力，动态认知受限，且普遍存在物理幻觉，难以支持人形机器人复杂的移动操作。
为了克服这些问题，达摩院的RynnBrain模型创造性地引入了时空记忆和物理世界推理，这是机器人与环境互动所需的两项基本能力。时空记忆能力可让机器人在其完整的历史记忆中定位物体、目标区域，甚至预测运动轨迹，从而赋予机器人全局时空回溯能力。物理空间推理不同于传统的纯文本推理范式，RynnBrain采用文本与空间定位交错进行的推理策略，确保其推理过程紧密扎根于物理环境，大大减弱了幻觉问题。举例来说，运行RynnBrain模型的机器人，在执行A任务中被突然打断要求先做B任务，它能记住A任务的时间和空间状态，等完成B后继续工作。
RynnBrain具有认知、定位、推理、规划等多重能力
RynnBrain在Qwen3-VL基础上训练，使用自研的RynnScale架构进行训练优化，同等资源加速两倍，训练数据超过2000万对。结果显示，RynnBrain能力全面，性能领先，在16项具身开源评测榜单上刷新纪录（SOTA），包括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，超越了谷歌Gemini Robotics ER 1.5、英伟达 Cosmos Reason 2等具身顶尖模型。
RynnBrain在16项具身评测上实现SOTA
RynnBrain还拥有良好的可拓展性，能够快速后训练出导航、规划、动作等多种具身模型，有望成为具身行业的基础模型。以具身规划模型为例，其需要强大预测能力和场景解析能力，但基于RynnBrain为基础，只需几百条数据微调，效果就能超越Gemini 3 Pro，轻松实现SOTA。
以开源完整的推理与训练代码的方式，达摩院此次开源了RynnBrain全系列模型，共计7个，包含全尺寸基础模型与后训练专有模型，其中有业界首个MoE架构的30B具身模型，只需要3B的推理激活参数就能超越业界的72B模型效果，因此能让机器人动作更快、更丝滑。同时，达摩院还开源了全新评测基准 RynnBrain-Bench，用于评测时空细粒度具身任务，填补了行业空白。
RynnBrain模型架构
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，为大小脑分层架构下的通用具身智能迈出关键一步。我们期待它加速 AI 从数字世界走向真实物理场景的落地进程。”据了解，达摩院积极投入具身智能，正在构建可部署、可扩展、可进化的具身智能系统，已开源了融合世界模型和VLA模型的WorldVLA、世界理解模型 RynnEC等具身模型，以及业界首个机器人上下文协议 RynnRCP。
，时长00:13
能够识别主要物体并在主要物体移动下保持对其空间位置的记忆
，时长00:18
能在面临三个面包分两个盘子的难题时找到分配方法
，时长00:11
能够认知之前被喝过的矿泉水，并在复杂的变换中始终保持对物体的记忆
，时长00:14
能够根据用户需求推荐物品，并根据观察物品的文字标签选择出合适的物品
，时长00:41
能够对杂乱的桌面进行分拣规划，以及在被打断后依旧有记忆之前的任务处理到哪里
更多详情可点击以下链接：
github:https://github.com/alibaba-damo-academy/RynnBrain
huggingface: https://huggingface.co/collections/Alibaba-DAMO-Academy/rynnbrain
主页：https://alibaba-damo-academy.github.io/RynnBrain.github.io/
