# 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

- Link: https://paooo.com/aigc-news/11644/
- Published: 2026-06-12T07:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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。

阅读目录

 * [RynnBrain是什么](https://paooo.com/aigc-news/11644/#rynnbrain%e6%98%af%e4%bb%80%e4%b9%88)
 * [RynnBrain的主要功能](https://paooo.com/aigc-news/11644/#rynnbrain%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [RynnBrain的技术原理](https://paooo.com/aigc-news/11644/#rynnbrain%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [RynnBrain的项目地址](https://paooo.com/aigc-news/11644/#rynnbrain%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [RynnBrain的应用场景](https://paooo.com/aigc-news/11644/#rynnbrain%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/11644/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![RynnBrain](https://paooo.com/wp-content/uploads/2026/05/RynnBrain-website-1-1.
avif)

## 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](https://paooo.com/ai-study/)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。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**达摩院 ↗**

达摩院：阿里巴巴旗下研究院，面向AI 综合应用场景提供便捷实用的在线功能支持。

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

**Gemini ↗**

Google推出的AI聊天对话机器人Gemini。

❓ 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。

🔬 语宙深潜追问 · 进阶实操拆解

时空记忆对机器人到底有多关键？

它决定机器人能否记住“刚刚发生了什么”和“物体在哪里”。没有这层能力，机器人只能做短视
反应；有了它，才能支持任务续接、回溯纠错和跨步骤规划。

跨任务泛化怎么落到真实场景？

先从搬运、分拣、巡检这类结构化任务切入，建立统一感知和动作接口。再用少量样本微调
适配不同本体，避免一开始就追求全能，导致系统复杂度失控。

🗳️ 读者观点微投票 · 您的实战立场是？

具身智能先补记忆，还是先补控制？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🌐 所属权威专题：Gemini 全模态与空间智能 →](https://paooo.com/topics/gemini-multimodal/)

 * [RynnEC：阿里达摩院多模态具身认知大模型，从视频理解物理世界的突破](https://paooo.com/aigc-news/14277/)
 * [从第一视角视频自学到全链路自我进化！智元机器人重磅发布GO-3 Preview：首创WRAM具身原生架构、斩获三项权威评测第一与年底开源规划全景深度拆解](https://paooo.com/trends/40565/)
 * [阿里达摩院开源RynnVLA-001：VLA模型如何重塑机器人智能？](https://paooo.com/aigc-news/14283/)
 * [阿里达摩院开源机器人上下文协议RynnRCP：打通具身智能开发全流程的关键框架](https://paooo.com/aigc-news/14280/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/11644/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
