10 февраля DAMO Academy от Alibaba официально представила свою базовую модель искусственного интеллекта для воплощенных систем — RynnBrain, а также семь полностью открытых моделей, включая 30B MoE модель, охватывающих полномасштабные базовые и дообученные проприетарные модели. Примечательно, что это первая в отрасли 30B MoE воплощенная модель, которая значительно снижает порог для исследований и разработок в секторе воплощенного интеллекта и ускоряет переход ИИ от цифровых симуляций к физическим средам.
Основным прорывом RynnBrain является интеграция пространственно-временной памяти и рассуждений в физическом пространстве, что решает давние проблемы традиционных воплощенных моделей, такие как «забывчивость» и «галлюцинации». Ее пространственно-временная память позволяет роботам находить объекты в исторической памяти, предсказывать траектории и выполнять глобальную пространственно-временную ретроспекцию. Рассуждения в физическом пространстве используют чередующуюся стратегию, сочетающую текстовые и пространственные сигналы, что позволяет проводить процессы рассуждений, близкие к реальным средам.
Технически модель обучена на Qwen3-VL и оптимизирована с использованием разработанной DAMO Academy архитектуры RynnScale, достигая удвоенной скорости обучения при тех же ресурсах на наборе данных из более чем 20 миллионов пар. Тесты производительности показывают, что RynnBrain установила новые рекорды на 16 открытых бенчмарках воплощенного ИИ, охватывающих восприятие окружающей среды, пространственное рассуждение и многое другое, превосходя ведущие отраслевые модели, такие как Gemini Robotics ER 1.5 и NVIDIA Cosmos Reason 2.
Примечательно, что 30B MoE модель требует всего 3B активируемых при выводе параметров, чтобы превзойти существующие 72B модели, позволяя роботам двигаться быстрее и плавнее. DAMO Academy также одновременно представила новый оценочный бенчмарк RynnBrain-Bench, устраняя нехватку детальных бенчмарков для пространственно-временных задач воплощенного ИИ в отрасли.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
