RynnBrain 1.1
알리바바(다모아카데미)🇨🇳 중국Rynn / DAMO Embodied 계열
이해·계획 (VLM)발표일 2026.07가중치 공개 · Apache-2.0
2026년 7월 공개된 RynnBrain 업데이트로 2B·9B와 122B-A10B MoE 공간·행동 추론 모델을 제공해요.
- 파라미터
- 122공식
- 제어 빈도
- —값 없음 (미공개이거나 아직 확인하지 못함)
- 적용 로봇
- —
- 벤치마크 결과
- —
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 alibaba-damo-academy.github.io논문 arxiv.org코드 저장소 github.com가중치 huggingface.co
한눈에 읽기
무엇인가
- 이해·계획 (VLM) — Vision-Language Model. 영상과 말을 함께 이해해 장면을 해석하고 할 일을 계획하는 AI.
- 발표일 2026-07
- 가중치 공개 (Apache-2.0) — 내려받아 직접 실행·추가 학습할 수 있음
확인된 정보
- 사양 9개 항목 중 4개에 값이 있음
- 공식 공식 4개: 구조, 입력, 파라미터 (B), 발표 벤치마크
- 값 확인일 2026-07 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 값 없는 기본 사양 (공개 자료에서 찾지 못함): 학습용 데이터셋
- 수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요
어떤 모델인가
RynnBrain 1.1은 알리바바 다모아카데미와 Hupan Lab이 2026년 7월 공개한 RynnBrain 업데이트판이다. 인지, 공간 추론, 위치 찾기, 계획을 함께 다루는 이해·계획 (VLM) 모델 제품군이다. Qwen3.5를 바탕으로 2B, 9B, 122B-A10B(MoE) 세 규모를 만들었다.
1.0의 사각형 파지 표현 대신 작업에 맞는 접촉점과 평면 내 파지 방향을 예측한다. 2B·9B 모델은 이미지 한 장과 카메라 내부 파라미터를 받아 3D 바운딩 박스를 직접 예측한다. 이 모델을 백본으로 쓴 RynnBrain-VLA는 flow matching으로 행동을 생성한다.
행동 공간은 팔·그리퍼·손·몸통·머리로 나눈 81차원 통합 공간이며, 로봇마다 실제로 있는 차원만 마스크로 골라 쓴다. 그래서 여러 로봇을 한 정책으로 함께 학습할 수 있다. 연구진은 122B-A10B 모델이 VSI-Bench, MMSI, RefSpatial-Bench에서 평가한 모든 상용·오픈 모델을 앞섰다고 발표했다.
Unitree G1, Astribot-S1, Tianji-Wuji로 한 9개 실제 과제에서는 RynnBrain-VLA가 성공률 86.67%로 Qwen 기반 행동 생성 (VLA) 모델(60.00%)을 앞섰다고 주장한다. 여러 과제·여러 로봇을 함께 학습하면 91.67%까지 올랐다고도 밝혔다. 가중치는 Apache-2.0으로 공개됐다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | Qwen3.5-2B·9B·122B-A10B 기반 이해·계획 (VLM) 모델, 공유 Dense/MoE 디코더공식 |
|---|---|
| 입력 | 단일 시점 이미지, 다시점 관측, 영상, 언어 지시공식 |
| 파라미터 (B) | 122공식 |
| 발표 벤치마크 | 9B: SUN RGB-D 41.12 AP@15, WildDet3D-Bench 23.44 AP3D(3D 그라운딩); 122B-A10B는 VSI-Bench·MMSI·RefSpatial-Bench에서 평가한 모든 상용·오픈 모델보다 높다고 주장공식 |