阿里达摩院开源RynnBrain：3B参数性能超72B，具身智能迎来时空记忆

type

status

date

slug

summary

引言：具身智能的“健忘症”难题

你是否想象过，斥巨资买回家的全能家务机器人，在帮你拿药的途中，仅仅因为转了个身，就对着桌上的可乐陷入沉思，最后却抓起了遥控器？这种“智商欠费”的尴尬现状，是当前具身智能机器人面临的普遍痛点。

传统的视觉语言模型（VLM）大多是“缸中之脑”，它们虽然阅遍了互联网上的图文数据，却从未真正理解物理世界的深度、连续性与因果关系。由于缺乏对三维空间的感知，机器人无法像人类一样建立空间坐标系，导致它们“转身就忘”。针对这一难题，阿里达摩院正式开源了 RynnBrain 具身大脑基础模型，旨在为机器人装上一个真正理解“时”与“空”的大脑。

欲了解更多前沿 AI资讯 和 AI新闻，请访问 AIGC.BAR。

极致效率：3B激活参数性能超越72B

RynnBrain 的核心优势在于其“小而美”的架构设计。作为业界首个采用MoE（混合专家）架构的具身基础模型，RynnBrain-30B-A3B 展现了令人惊叹的效率：虽然总参数量较大，但推理时仅需 3B 的激活参数，其性能却全面超越了拥有 72B 规模的当前最大具身模型 Pelican-VL。

对于对算力和功耗极其敏感的机器人端侧设备而言，更小的激活参数意味着更快的响应速度和更低的硬件成本。此外，达摩院自研的 RynnScale 架构对训练速度进行了深度优化，使训练效率提升至200%。这种高效的迭代能力，让 RynnBrain 能够快速进化，为 AGI 走进物理世界奠定了坚实的算力基础。

首创时空记忆：赋予机器人“全局回溯”能力

为什么 RynnBrain 能解决“转身就忘”的问题？关键在于它拥有的“时空记忆”能力。

多维度表征：传统的 LLM 处理视频时往往是离散的帧，而 RynnBrain 在完整的历史记忆中构建了一个涵盖空间、位置、事件与轨迹的表征。

长程任务处理：在执行如“洗菜并放进冰箱”这类复杂任务时，即使机器人转身离开水池，它的“大脑”依然清晰记得水池的方位和菜品的具体位置。

任务断点续传：即使任务中途被干扰或需要绕路，RynnBrain 也能准确找回之前的任务节点，确保执行的连续性。

这种能力让机器人从单纯的视觉识别，进化到了具备物理常识的“空间思考者”。

物理空间推理：文本与定位的深度解耦

RynnBrain 采用了一种创新的“文本与空间定位交错”的推理策略。在处理指令时，它不仅生成语言判断，还会同步输出对应的空间坐标、轨迹和点集。

例如，当接收到“拿苹果”的指令时，模型的推理过程是：首先走向[坐标A：桌子]，然后精准对准[坐标B：苹果]，并自动避开[点集C：障碍物]。这种将推理结果与物理世界坐标强制绑定的方式，大幅降低了具身任务中常见的“幻觉”问题。

为了训练这种能力，达摩院投入了超过2000万对高质量语料，并特别生成了100万对“自我为中心”的OCR数据，让机器人能看懂药瓶标签、门牌号等现实细节。这标志着 大模型 在具身认知领域的又一次重大突破。

开源生态：打破具身智能的研发门槛

达摩院此次不仅开源了模型，还配套开放了完整的推理训练代码及 RynnBrain-Bench 评测基准。这一举措旨在系统性地修复具身认知的断层：

降低研发门槛：开发者无需重复造轮子，可直接利用 RynnBrain 提供的物理常识作为基础设施。

统一系统认知：使导航、规划与操作模块在统一的表征下达成一致，实现信息的无损流转。

驱动行业协作：通过统一的评测标尺，推动 人工智能 行业在具身智能领域的良性竞争。

结论：通往真实物理世界的大门

具身智能的未来不在于堆砌参数，而在于机器人能否丝滑、可靠地与物理世界交互。RynnBrain 的出现，通过分层架构（大脑负责规划，小脑负责执行）为行业提供了一个可落地的标准范式。

随着 RynnBrain 的开源，一个百花齐放的具身智能生态正在开启。我们期待看到更多开发者基于这一基座，创造出真正能走进千家万户、不翻车的全能机器人。

获取更多关于 Prompt 优化、AI变现 及 LLM 的深度解析，欢迎持续关注 AIGC.BAR，掌握一手 AI日报 动态。