阿里巴巴达摩院在具身智能领域取得重大突破，正式推出具备时空记忆与物理推理能力的RynnBrain基础模型，并同步开源包含30B MoE架构在内的7个全尺寸模型。该模型首次赋予机器人理解物理世界动态变化的能力，在16项具身智能评测指标中全面超越谷歌Gemini Robotics ER 1.5等国际顶尖模型，刷新行业最佳纪录（SOTA）。
传统机器人系统在执行多任务时存在显著局限，而RynnBrain通过引入时空记忆模块，使机器人能够实时记录任务的时间坐标与空间状态。例如，当机器人执行清洁任务途中被要求优先处理紧急搬运需求时，该模型可精准记忆清洁任务的暂停位置、已覆盖区域等关键信息，待搬运完成后无缝恢复清洁工作。这种类人化的任务管理能力，标志着机器人从被动执行向主动规划的跨越式发展。
在技术架构层面，RynnBrain采用创新的混合专家（MoE）设计，其30B参数模型通过动态路由机制实现计算效率与模型性能的平衡。实验数据显示，基于该架构训练的导航模型仅需500条场景数据微调，即可在复杂环境路径规划中达到超越Gemini 3 Pro的精度，推理速度提升37%。这种高效训练特性使其具备成为具身智能领域"基础操作系统"的潜力。
为推动行业标准化建设，达摩院同步开源全球首个时空细粒度评测基准RynnBrain-Bench。该基准包含2000个动态场景测试用例，涵盖物体状态变化、空间关系重构等复杂任务，有效解决了现有评测体系无法量化评估机器人物理世界理解能力的痛点。配套开源的WorldVLA融合模型与RynnRCP机器人通信协议，已形成覆盖感知、决策、执行的全栈技术解决方案。
据项目负责人介绍，RynnBrain的研发突破源于对"大小脑分层架构"的深度探索。通过将高阶认知功能与低阶运动控制解耦，该模型成功构建出可解释、可干预的智能系统。目前相关技术已在工业巡检、家庭服务等场景完成验证，某物流企业测试显示，搭载RynnBrain的分拣机器人任务切换效率提升65%，异常处理成功率达92%。
