当前具身智能机器人普遍面临“转身就忘”的困境，因缺乏时空记忆，在物理世界中执行任务时常翻车。阿里达摩院开源的RynnBrain基础模型，专为解决此痛点而生，它赋予机器人时空记忆与物理空间推理能力，为打造更可靠的全能家务机器人提供了关键的大脑底座。
智能速览
RynnBrain是业界首个拥有时空记忆的具身大脑基础模型，旨在解决机器人“转身就忘”的核心问题。
采用MoE架构的RynnBrain-30B-A3B仅激活3B参数，性能却超越72B规模的Pelican-VL模型。
模型支持多模态灵活输出，可直接生成区域、轨迹等具身操作指令，简化了下游任务开发。
达摩院同步开源了模型、训练代码及评测基准，系统性降低行业研发与协作门槛。
精华内容
具身机器人常常因缺乏时空记忆而“智商欠费”，RynnBrain的出现，正是要为机器人装上一个能理解“时”与“空”的大脑，让它们在物理世界中不再迷惘，能够连贯地完成长程任务。
破解健忘难题
现有视觉语言模型（VLM）在作为具身大脑时常翻车，根源在于它们是“缸中之脑”，只见过二维图像，无法理解三维物理世界的连续性。这使得机器人无法建立稳定的空间坐标系，转身后便会忘记身后的物体，无法判断目标是否依然存在。这种“脑子学会了，手跟不上”的现象，正是当前具身智能发展的核心瓶颈。
时空记忆与推理
Rynn针对性地提出了三大关键能力。首先是时空记忆，它能在完整的历史记忆中定位物体和轨迹，赋予机器人全局时空回溯能力。即便任务被打断，也能找回断点继续执行。其次是物理空间推理，模型采用“文本与空间定位交错”策略，推理时会同步给出空间指向信息，大幅降低幻觉问题。例如在执行“把3个面包装到2个盘子里”的任务时，这种能力能让机器人做出更合理的规划。
极致性能与效率
RynnBrain的性能表现突出，其30B-A3B版本作为首个MoE架构的具身基础模型，仅激活3B参数，效率极高。这一性能超越了72B规模的Pelican-VL模型，对于算力和功耗敏感的机器人端侧设备而言至关重要。在20项具身Benchmark评测中，RynnBrain全面超越了英伟达的Cosmos-reason2和谷歌的Gemini Robotics ER 1.5等顶尖模型，轻松实现16个SOTA。
开源共建生态
达摩院此次并非仅开源模型，而是系统性输出，一并开放了完整的推理训练代码和包含22项细粒度指标的评测基准RynnBrain-Bench。这一举措旨在将物理常识打包成行业公共基础设施，降低了研发、系统和协作三大门槛。它让开发者告别重复造轮子，实现认知状态的无损流转，并提供了统一的评估标尺，推动行业良性竞争与协作。
RynnBrain的价值不止于一个强大的模型，更在于为具身智能的“大小脑分层”架构提供了可落地的大脑层实现，并以开源的姿态，为行业生态的建设补齐了关键一环。这条通往真实物理世界的大门已被推开，这个被激活的生态又将跑出怎样的惊喜？
