RynnBrain：开源具身智能基础模型
机器人学
2026-02-17 v1
摘要
尽管多模态基础模型取得了快速进展，但具身智能领域仍缺乏一种统一且物理上严谨的基础模型，能够在真实世界的时空动力学中集成感知、推理与规划。我们引入 RynnBrain，这是一个面向具身智能的开源时空基础模型。RynnBrain 在统一框架内强化了四项核心能力：全方位的本体理解、多样化的时空定位、物理驱动的推理以及物理感知的规划。RynnBrain 系列包含三个基础模型规模（2B、8B 和 30B-A3B MoE），以及四个针对下游具身任务（即 RynnBrain-Nav、RynnBrain-Plan、RynnBrain-VLA）或复杂时空推理任务（即 RynnBrain-CoP）的后训练变体。在针对 20 项具身基准和 8 项通用视觉理解基准的广泛评估中，我们的 RynnBrain 基础模型以显著的优势超过现有的具身基础模型。后训练模型套装进一步证明了 RynnBrain 基础模型的两个关键潜力：(i) 启用物理驱动的推理与规划；(ii) 作为强大的预训练主干，可高效适应多样化的具身任务。
引用
@article{arxiv.2602.14979,
title = {RynnBrain: Open Embodied Foundation Models},
author = {Ronghao Dang and Jiayan Guo and Bohan Hou and Sicong Leng and Kehan Li and Xin Li and Jiangpin Liu and Yunxuan Mao and Zhikai Wang and Yuqian Yuan and Minghao Zhu and Xiao Lin and Yang Bai and Qian Jiang and Yaxi Zhao and Minghua Zeng and Junlong Gao and Yuming Jiang and Jun Cen and Siteng Huang and Liuyi Wang and Wenqiao Zhang and Chengju Liu and Jianfei Yang and Shijian Lu and Deli Zhao},
journal= {arXiv preprint arXiv:2602.14979},
year = {2026}
}
备注
Homepage: https://alibaba-damo-academy.github.io/RynnBrain.github.io