具身智能基礎模型升級

# 具身智能基础模型重磅升级：RynnBrain 1.1发布，跨尺度模型家族引领机器人认知新突破

近日，阿里巴巴达摩院（DAMO Academy）研究团队正式发布了RynnBrain 1.1，这是一款面向具身智能（Embodied Intelligence）的基础模型家族，标志着机器人感知、空间推理与物理交互能力迈入全新阶段。该模型家族涵盖2B（20亿参数）、9B（90亿参数）以及122B-A10B（1220亿参数，采用混合专家架构）三大规模，旨在为不同算力与场景需求的机器人提供统一的智能基础。RynnBrain 1.1的核心理念在于构建一个统一的时空与物理接地（spatio-temporal and physically grounded）训练框架。与上一代RynnBrain 1.

0相比，新版本在模型架构和功能上实现了显著跃升。研究团队在全部模型规模中引入了接触点预测（contact-point prediction）能力，并为2B和9B模型增加了原生3D空间接地（native 3D grounding）功能。这意味着模型不仅能够理解“物体在哪里”，还能精准预测机器人与物体之间最合理的接触位置，生成的表征和输出更直接地服务于真实的机械臂操作任务。在技术实现层面，RynnBrain 1.1支持具身感知、空间推理、精确定位以及任务规划等多元能力。

为了让模型能够适应不同形态的机器人，团队还开发了RynnBrain-VLA（视觉-语言-动作）系统，其核心是一个统一跨实体动作空间以及实体特定掩码（embodiment-specific masking）机制。这一设计使得同一套基础模型能够灵活应对不同硬件平台的差异，并在实际部署中成功应用于宇树科技G1（Unitree G1）、星动纪元S1（Astribot-S1）以及天机无极（Tianji-Wuji）等多款人形或双足机器人上。基准测试成绩方面，RynnBrain 1.1展现了强大的竞争力。

特别是其旗舰级的122B-A10B模型，在三大权威具身智能评测基准——VSI-Bench、MMSI以及RefSpatial-Bench上，全面超越了所有参与评估的闭源商业模型和开源模型。这些基准测试涵盖了视觉场景理解、多模态空间智能以及参考空间定位等核心维度，充分验证了模型在高复杂度任务中的泛化能力与精准度。除了静态理解能力的提升，新模型在真实机器人场景中的表现同样令人瞩目。研究团队通过实物机器人实验发现，基于RynnBrain初始化策略的机器人策略（policy）在任务执行中显著优于基于Qwen（通义千问）及其他代表性通用视觉-语言-动作模型（VLA）的表现。

值得一提的是，采用联合多任务与多实体训练范式，不仅提升了机器人完成单一任务的流程评分（process scores），还有效提高了整体任务成功率，相比传统的单任务训练模式展现出更强的泛化与迁移潜力。从技术演进的角度看，RynnBrain 1.1的推出代表了具身智能领域从“大语言模型”向“大具身模型”过渡的一个重要里程碑。传统的视觉-语言模型往往缺乏对物理世界的深刻理解，而RynnBrain系列通过引入空间接地和接触点预测，让模型具备了“理解物理交互”的能力。

例如，当机器人需要抓取一个杯子时，模型不仅要知道杯子的位置，还要判断应该抓住杯柄还是杯身，以及施加多大的力——这正是接触点预测和物理接地的价值所在。目前，RynnBrain 1.1的相关论文已在arXiv上公开（论文编号：2607.17977），研究代码也已开源至GitHub（https://github.com/alibaba-damo-academy/RynnBrain），供全球开发者下载与二次开发。这一开放举措无疑将加速具身智能领域的创新步伐。

模型家族的分层设计也极具战略意义：2B和9B模型适合边缘端或轻量级机器人进行实时推理，而122B-A10B的混合专家架构则能在大规模云端或高性能机器人平台上发挥极致性能。值得注意的是，RynnBrain 1.1在数据与训练方法上也进行了深度优化。统一的时空和物理接地框架意味着模型在训练过程中融合了时间序列上的连续动作信息以及物理世界中的力、接触等信号。这使得模型输出的动作序列更加平滑、合理，有效减少了机器人执行任务时的抖动和不确定性。在现实部署中，这种稳定性对于涉及精密操作或人机协作的场景至关重要。业内分析人士认为，RynnBrain 1.

1的发布不仅为具身智能研究社区提供了强有力的工具，也为工业界实现“通用机器人”的愿景增添了关键拼图。随着模型在宇树G1等知名机器人平台上成功落地，未来有望在家庭服务、仓储物流、智能制造等复杂环境中发挥更大作用。从大语言模型到具身基础模型的跨越，正在一步步将人工智能从数字世界带入物理世界，而RynnBrain 1.1无疑走在了这一浪潮的前列。展望未来，研究团队表示将持续优化RynnBrain系列的性能，探索更多关于跨实体泛化、长时序任务规划以及物理世界因果推理的突破。

随着模型家族的进一步扩展和开源生态的完善，我们有理由期待，具身智能基础模型将在不远的将来成为机器人产业的“操作系统级”基础设施，重新定义人类与机器的交互方式。