论文页面 - RynnBrain 1.1：迈向更具能力与通用性的具身基础模型

来源：https://huggingface.co/papers/2607.17977 发布于 7 月 20 日

#3 当日论文 (https://huggingface.co/papers/date/2026-07-21) 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

我们提出 RynnBrain 1.1，一个覆盖 2B、9B 和 122B-A10B 规模的具身基础模型系列。通过统一时空与物理接地框架进行训练，RynnBrain 1.1 支持具身感知、空间推理、定位与规划。与 RynnBrain 1.0 相比，它在整个模型系列中进一步引入了接触点预测，并为 2B 和 9B 模型提供了原生 3D 接地能力，从而生成更直接对齐机器人操作的表征和输出。我们还开发了 RynnBrain-VLA，采用统一的跨本体动作空间和本体特定掩码，并将其部署在 Unitree G1、Astribot-S1 和 Tianji-Wuji 上。RynnBrain 1.1 在具身认知、定位和 3D 接地方面均取得了强劲结果，其中 122B-A10B 模型在 VSI-Bench、MMSI 和 RefSpatial-Bench 上超越了所有评估的专有和开源模型。真实机器人实验表明，由 RynnBrain 初始化的策略优于基于 Qwen 及代表性通用 VLA，而联合多任务和多本体训练在过程得分与成功率上均优于按任务单独训练。

查看 arXiv 页面 (https://arxiv.org/abs/2607.17977)查看 PDF (https://arxiv.org/pdf/2607.17977)项目页面 (https://alibaba-damo-academy.github.io/RynnBrain/)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.17977)

在你的智能体中获取这篇论文：

hf papers read 2607.17977

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

没有模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.17977 以在此页面建立链接。

引用本文的数据集0

没有数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.17977 以在此页面建立链接。

引用本文的 Spaces0

没有 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2607.17977 以在此页面建立链接。

包含本文的收藏集0

没有收藏集包含此论文

请将这篇论文添加到收藏集 (https://huggingface.co/new-collection) 中以在此页面建立链接。