尽管多模态基础模型发展迅速，但具身智能领域仍缺乏一个统一的、基于物理现实的模型，能够将感知、推理和规划整合到真实世界的时空动态中。为此，研究团队推出了RynnBrain，一个面向具身智能的开源时空基础模型。

RynnBrain在一个统一框架内强化了四大核心能力：全面的自我中心理解、多样的时空定位、基于物理的推理以及物理感知的规划。该模型家族包含三种不同规模的基础模型，以及四种针对下游任务进行后训练的变体。这些变体分别针对导航、规划、视觉语言交互等具身任务，以及复杂的空间推理任务进行了优化。

根据在多个具身智能基准和通用视觉理解基准上的广泛评估，RynnBrain基础模型显著超越了现有的具身基础模型。其后训练模型套件进一步证实了RynnBrain基础模型的两个关键潜力：一是能够实现基于物理的推理和规划；二是可以作为一个强大的预训练主干网络，能够高效地适应各种不同的具身任务。

RynnBrain的发布旨在为具身智能研究社区提供一个开放、统一且能力全面的基础模型，推动该领域在真实物理环境中实现更复杂的感知与决策能力。