量子位
·
阿里达摩院开源具身大脑基模：3B激活参数性能超越72B，转身就忘事的机器人有救了
内容提要
阿里达摩院开源了具身大脑基础模型RynnBrain，该模型具备时空记忆和物理空间推理能力，性能超越现有顶尖模型，优化了训练速度和数据处理，提升了机器人在复杂任务中的表现，推动了具身智能的发展。
关键要点
-
阿里达摩院开源了具身大脑基础模型RynnBrain，具备时空记忆和物理空间推理能力。
-
RynnBrain在20项具身Benchmark上超越了英伟达和谷歌的顶尖模型，表现出色。
-
RynnBrain-30B-A3B模型仅需3B激活参数，性能超越72B的Pelican-VL模型。
-
RynnBrain采用自研的RynnScale架构，训练速度提升至200%。
-
模型训练使用了超过2000万对高质量语料，增强了具身认知能力。
-
RynnBrain支持多种输入输出形式，具备灵活的多模态输出能力。
-
RynnBrain具备时空记忆，能够在任务中准确找回之前的任务断点。
-
模型采用新的推理策略，结合文本与空间定位，降低幻觉问题。
-
RynnBrain展现了良好的可拓展性，微调后在导航和操作规划任务上表现优异。
-
达摩院采用大小脑分层架构，提升了具身智能的泛化能力和模块化迭代。
-
RynnBrain开源了完整的推理训练代码和评测基准RynnBrain-Bench，降低了行业门槛。
-
达摩院致力于构建具身智能生态，推动行业的良性竞争与发展。
延伸解读
具身智能的突破与挑战
RynnBrain的推出标志着具身智能领域的一次重要突破，尤其是在时空记忆和物理空间推理方面。然而，尽管技术进步显著，具身机器人在复杂环境中的实际应用仍面临挑战，特别是在动态变化的场景中，如何保持稳定的性能仍需进一步研究。
开源的行业影响
达摩院的开源举措不仅降低了研发门槛，还促进了行业内的协作与竞争。通过提供统一的评测基准RynnBrain-Bench，开发者可以在相同的标准下评估模型能力，这将推动具身智能技术的快速发展与应用落地。
模型的灵活性与应用前景
RynnBrain的多模态输入输出能力使其在不同场景下具有广泛的应用潜力。无论是家庭机器人还是工业自动化，具身智能的灵活性将为未来的智能设备提供更多可能性，尤其是在复杂任务的执行上。
延伸问答
RynnBrain模型的主要特点是什么？
RynnBrain模型具备时空记忆和物理空间推理能力，性能超越现有顶尖模型，且激活参数仅需3B。
RynnBrain如何提升机器人的任务执行能力？
RynnBrain通过时空记忆和物理空间推理，帮助机器人在复杂任务中准确找回任务断点，提升执行能力。
RynnBrain的训练数据来源是什么？
RynnBrain使用了超过2000万对高质量语料，包括自研的多模态训练数据和物体认知相关数据。
RynnBrain的开源对行业有什么影响？
RynnBrain的开源降低了研发、系统和协作门槛，促进了具身智能生态的建设和行业竞争。
RynnBrain在Benchmark测试中的表现如何？
RynnBrain在20项具身Benchmark上超越了英伟达和谷歌的顶尖模型，实现了16个SOTA。
RynnBrain的推理策略有什么创新之处？
RynnBrain采用了文本与空间定位交错的推理策略，降低了具身任务中的幻觉问题。
