RynnBrain: Modelos de Fundação Corporificados Abertos
RynnBrain: Open Embodied Foundation Models
February 13, 2026
Autores: Ronghao Dang, Jiayan Guo, Bohan Hou, Sicong Leng, Kehan Li, Xin Li, Jiangpin Liu, Yunxuan Mao, Zhikai Wang, Yuqian Yuan, Minghao Zhu, Xiao Lin, Yang Bai, Qian Jiang, Yaxi Zhao, Minghua Zeng, Junlong Gao, Yuming Jiang, Jun Cen, Siteng Huang, Liuyi Wang, Wenqiao Zhang, Chengju Liu, Jianfei Yang, Shijian Lu, Deli Zhao
cs.AI
Resumo
Apesar dos rápidos avanços nos modelos de base multimodais, a comunidade de inteligência incorporada ainda carece de um modelo de base unificado e fisicamente fundamentado que integre percepção, raciocínio e planeamento dentro das dinâmicas espaço-temporais do mundo real. Apresentamos o RynnBrain, um modelo de base espaço-temporal de código aberto para inteligência incorporada. O RynnBrain fortalece quatro capacidades centrais numa estrutura unificada: compreensão egocêntrica abrangente, localização espaço-temporal diversificada, raciocínio fisicamente fundamentado e planeamento com consciência física. A família RynnBrain é composta por três escalas de modelo de base (2B, 8B e 30B-A3B MoE) e quatro variantes pós-treinadas adaptadas para tarefas incorporadas a jusante (ou seja, RynnBrain-Nav, RynnBrain-Plan e RynnBrain-VLA) ou para tarefas complexas de raciocínio espacial (ou seja, RynnBrain-CoP). Em termos de avaliações extensivas em 20 benchmarks de inteligência incorporada e 8 benchmarks gerais de compreensão visual, os nossos modelos de base RynnBrain superam largamente os modelos de base incorporados existentes por uma margem significativa. O conjunto de modelos pós-treinados substantiva ainda mais dois potenciais-chave do modelo de base RynnBrain: (i) permitir raciocínio e planeamento fisicamente fundamentados, e (ii) servir como uma forte espinha dorsal pré-treinada que pode ser adaptada de forma eficiente a diversas tarefas incorporadas.
English
Despite rapid progress in multimodal foundation models, embodied intelligence community still lacks a unified, physically grounded foundation model that integrates perception, reasoning, and planning within real-world spatial-temporal dynamics. We introduce RynnBrain, an open-source spatiotemporal foundation model for embodied intelligence. RynnBrain strengthens four core capabilities in a unified framework: comprehensive egocentric understanding, diverse spatiotemporal localization, physically grounded reasoning, and physics-aware planning. The RynnBrain family comprises three foundation model scales (2B, 8B, and 30B-A3B MoE) and four post-trained variants tailored for downstream embodied tasks (i.e., RynnBrain-Nav, RynnBrain-Plan, and RynnBrain-VLA) or complex spatial reasoning tasks (i.e., RynnBrain-CoP). In terms of extensive evaluations on 20 embodied benchmarks and 8 general vision understanding benchmarks, our RynnBrain foundation models largely outperform existing embodied foundation models by a significant margin. The post-trained model suite further substantiates two key potentials of the RynnBrain foundation model: (i) enabling physically grounded reasoning and planning, and (ii) serving as a strong pretrained backbone that can be efficiently adapted to diverse embodied tasks.