论文
RynnBrain 1.1：迈向更强大、更通用的具体基础模型
RynnBrain 1.1: Towards More Capable and Generalizable Embodied Foundation Model
摘要
我们推出 RynnBrain 1.1，这是一系列涵盖 2B、9B 和 122B-A10B 尺度的具体基础模型。 RynnBrain 1.1 采用统一的时空和物理框架进行训练，支持具体感知、空间推理、定位和规划。与 RynnBrain 1.0 相比，它进一步引入了跨模型系列的接触点预测以及 2B 和 9B 模型的原生 3D 基础，产生与机器人操作更直接一致的表示和输出。我们还开发了具有统一的跨实施例动作空间和特定实施例掩蔽的 RynnBrain-VLA，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 基础方面取得了优异的成绩，其中 122B-A10B 模型的表现优于 VSI-Bench、MMSI 和 RefSpatial-Bench 上所有评估的专有和开源模型。真实机器人实验表明，RynnBrain 初始化的策略优于基于 Qwen 的代表性通才 VLA，而联合多任务和多实施例训练比单任务训练提高了过程分数和成功率。