---
title: "RynnBrain：阿里达摩院开源具身智能大脑，SOTA级时空记忆+物理推理，机器人落地新范式"
url: "https://paooo.com/aigc-news/11644/"
author: "Prompt 语宙研究院"
published_at: "2026-06-12T07:12:22+08:00"
updated_at: "2026-06-07T20:07:09+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "3D与空间智能, Gemini, RynnBrain, 具身智能, 大模型微调, 开源大模型, 机器人, 达摩院"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# RynnBrain：阿里达摩院开源具身智能大脑，SOTA级时空记忆+物理推理，机器人落地新范式

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/11644/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-12

## AI 30 秒核心看点 (TL;DR)

- RynnBrain首次赋予机器人时空记忆与物理空间推理能力，16项具身评测全面刷新SOTA。
- 阿里一次开源7个全系列模型，30B MoE仅3B激活参数，兼顾高效推理与部署潜力。
- 基于基础模型可用少量数据快速微调，适合导航、规划、动作控制等具身场景落地。

> 
                **💡 站外导读：**机器人落地的最后一道屏障是什么？不是硬件，而是「大脑」。当机器人走进真实物理世界，它需要理解空间、记忆历史、规划未来，而不仅仅是识别物体。阿里达摩院最新开源的RynnBrain，正是瞄准这一核心痛点，首次赋予机器人时空记忆与物理空间推理能力，在16项具身智能评测中全面刷新SOTA。这标志着具身智能从「感知」向「认知」的关键跃迁，为机器人真正融入复杂现实场景打开了大门。

            

             
                        

## RynnBrain是什么

RynnBrain是阿里巴巴达摩院推出的开源具身智能大脑基础模型，首次让机器人拥有时空记忆和物理空间推理能力。模型基于[Qwen3-VL](https://ai-bot.cn/qwen3-vl/)训练，采用自研RynnScale架构，训练数据超2000万对。模型在16项具身开源评测中刷新纪录（SOTA），超越谷歌Gemini Robotics ER 1.5等顶尖模型。阿里一次开源了7个全系列模型，包括业界首个30B MoE架构具身模型，仅需3B激活参数即可实现高效推理，让机器人动作更快更丝滑，为复杂移动操作和长期任务规划提供”大脑”级支持。

## RynnBrain的主要功能

- 
**时空记忆**：机器人可在完整历史记忆中定位物体与目标区域，预测运动轨迹，实现全局时空回溯能力。

- 
**物理空间推理**：模型采用文本与空间定位交错的推理策略，确保推理过程紧密扎根于物理环境，大幅减弱幻觉问题。

- 
**任务连续性**：机器人在执行A任务被中断转做B任务后，能记住A任务的时间和空间状态，完成后自动续接。

- 
**多维度感知**：模型支持环境感知、对象推理、第一人称视觉问答、空间推理与轨迹预测等16项具身能力。

- 
**快速拓展**：基于基础模型仅需几百条数据微调，可后训练出导航、规划、动作等多种具身专有模型。

## RynnBrain的技术原理

- **多模态融合架构**：RynnBrain 采用端到端的多模态架构，将第一人称视频、语言指令与物理环境信息统一编码，通过跨模态注意力实现视觉-语言对齐，并入物理约束模块，使推理过程兼顾统计模式与物体 affordance、几何关系等物理规律，最终输出可执行的动作序列。

- **自我中心认知**：针对动态第一人称视角，模型采用视频 Transformer 处理长时序序列，建立跨帧一致性，通过 3D 场景图或神经辐射场构建可查询的空间记忆，支持对历史观测的回溯推理，准确回答涉及时空关系的问题。

- **时空定位**：RynnBrain 将历史视频编码为 episodic 记忆向量，支持基于自然语言的时序检索与关键帧定位，结合视觉 grounding 技术将文本映射到图像区域，通过空间坐标回归输出 3D 位置，能预测运动轨迹支持预测性规划。

- **物理感知规划**：区别于直接预测动作的 VLA 模型，RynnBrain 显式引入物理世界模型：提取物体 affordance、验证动作可行性、用层次化规划器将高层意图分解为带条件分支的低层动作，确保复杂长程任务的成功率。

- **模型变体**：提供 Dense（2B/8B）与 MoE（30B-A3B）两类架构：Dense 全参数激活适合实时边缘部署；MoE 稀疏激活兼顾大容量与低推理成本，并针对规划、导航、空间推理任务提供专门优化版本。

## RynnBrain的项目地址

- **项目官网**：https://alibaba-damo-academy.github.io/RynnBrain.github.io/

- **GitHub仓库**：https://github.com/alibaba-damo-academy/RynnBrain

- **HuggingFace模型库**：https://huggingface.co/collections/Alibaba-DAMO-Academy/rynnbrain

## RynnBrain的应用场景

- 
**工业制造**：模型支持复杂装配线上的多步骤操作，任务中断后可自动续接，提升产线柔性。

- 
**家庭服务**：智能管家可记住物品摆放位置，完成跨房间取物指令并预测人员轨迹主动避让。

- 
**医疗护理**：辅助机器人记忆患者位置与状态，紧急中断后能恢复护理流程，精准递送器械。

- 
**物流仓储**：叉车与AGV在动态货架间实时更新环境记忆，预测运动轨迹避免碰撞。

- 
**科研探索**：野外考察机器人记录采样点时空信息，支持长期科考任务与灾难救援搜索。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                RynnBrain的发布，不仅是阿里在具身智能赛道的一次重磅开源，更是整个行业从「Demo」走向「落地」的标志性事件。它揭示了三个关键趋势：第一，具身智能的竞争已从单点感知能力转向「时空连续认知」，这正是机器人理解动态世界的基础；第二，30B MoE架构仅用3B激活参数实现高效推理，意味着大模型在端侧部署的可行性被大幅拓宽；第三，基于基础模型的快速微调范式，正在降低行业应用门槛。当谷歌、Meta等巨头仍在探索具身智能的早期形态时，阿里已通过开源全系列模型，率先构建起从模型到场景的完整生态。这或许预示着，具身智能的「安卓时刻」正在加速到来。

## 常见问题解答 (FAQ)

### RynnBrain是什么模型？
RynnBrain是阿里巴巴达摩院开源的具身智能大脑基础模型，基于Qwen3-VL训练，结合自研RynnScale架构，重点提升机器人在真实物理环境中的时空记忆、空间推理和任务连续执行能力。

### RynnBrain相比传统VLA模型有什么区别？
它不只是直接预测动作，而是显式引入物理世界模型与层次化规划，先理解物体可供性、空间关系和动作可行性，再生成可执行动作序列，因此更适合长程、复杂任务。

### RynnBrain适合哪些机器人应用场景？
适合工业制造、家庭服务、医疗护理、物流仓储和科研探索等场景，尤其适合需要记忆历史状态、跨步骤续接任务、预测轨迹并进行复杂空间操作的机器人系统。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
