RynnBrain 1.1: Towards More Capable and Generalizable Embodied Foundation Model

We present RynnBrain 1.1, a family of embodied foundation models spanning 2B, 9B, and 122B-A10B scales. Trained with a unified spatio-temporal and physically grounded framework, RynnBrain 1.1 supports embodied perception, spatial reasoning, localization, and planning. Compared with RynnBrain 1.0, it further introduces contact-point prediction across the model family and native 3D grounding for the 2B and 9B models, yielding representations and outputs that are more directly aligned with robot manipulation. We also develop RynnBrain-VLA with a unified cross-embodiment action space and embodiment-specific masking, and deploy it on Unitree G1, Astribot-S1, and Tianji-Wuji. RynnBrain 1.1 achieves strong results on embodied cognition, localization, and 3D grounding, with the 122B-A10B model outperforming all evaluated proprietary and open-source models on VSI-Bench, MMSI, and RefSpatial-Bench. Real-robot experiments show that RynnBrain-initialized policies outperform Qwen-based and representative generalist VLAs, while joint multi-task and multi-embodiment training improves process scores and success rates over per-task training.

한 줄 요약

RynnBrain 1.1은 2B, 9B, 122B-A10B 규모의 신형 탐지-이해-작업 통합 모델로, 3D 정착 및 접촉점 예측을 통해 로봇 조작 성능을 향상시킨다.

핵심 기여도

2B, 9B, 122B-A10B 규모의 RynnBrain 1.1 모델을 발표.
2B 및 9B 모델에 네이티브 3D 정착(native 3D grounding) 기능 추가.
122B-A10B 모델이 VSI-Bench, MMSI, RefSpatial-Bench에서 기존 모델 대비 +5.0~+12.5% 개선.
RynnBrain-VLA를 통해 Unitree G1, Astribot-S1, Tianji-Wuji 로봇에 성공적으로 배포.

핵심 아이디어

RynnBrain 1.1은 로봇이 물리적 환경에서의 조작을 지원하기 위해, 시공간적 정보와 물리적 정착을 통합한 학습 프레임워크를 도입했다. 기존의 2D 기반 감지 방식 대신, 접촉점 예측(contact point prediction)과 3D 정착(native 3D grounding)을 학습 과정에 추가함으로써, 로봇의 실제 조작에 더 가까운 표현을 생성한다. 예를 들어, 로봇의 그립퍼 중심점과 회전각도를 예측하는 접촉점 예측은, 단순한 사각형 감지보다 더 정확하고 의미 있는 정보를 제공한다. 또한, 3D 정착은 로봇이 3차원 환경에서의 물체 위치를 정확히 파악할 수 있도록 하며, 이는 더 높은 조작 성능을 가능하게 한다. RynnBrain-VLA는 다양한 로봇 체제에 맞는 통일된 행동 공간(unified cross-embodiment action space)과 체제별 마스킹(embodiment-specific masking)을 도입하여, 이질적인 로봇 플랫폼 간의 학습을 통합적으로 수행할 수 있도록 설계되었다.

기술적 접근법

**모델 아키텍처**: Qwen3.5 기반의 디코더-온리 구조를 채택.
**모델 규모**: 2B, 9B, 122B-A10B 세 가지 규모 제공.
**학습 과제**: 접촉점 예측(contact point prediction), 3D 정착(native 3D grounding) 추가.
**RynnBrain-VLA**: 통일된 행동 공간(unified cross-embodiment action space) + 체제별 마스킹(embodiment-specific masking)을 통해 이질적 로봇 체제 학습 가능.
**학습 전략**: 다중 작업 및 다중 체제 학습(joint multi-task and multi-embodiment training)을 통해 성능 향상.
**하이퍼파라미터**: DeepStack, Interleaved MRoPE를 사용해 멀티모달 정보 통합 및 장기 시공간 모델링 지원.

주요 결과

**VSI-Bench**: 122B-A10B 모델은 75.0% (기존 모델 대비 +5.0~+12.5%)
**MMSI**: 122B-A10B 모델은 52.0% (기존 모델 대비 +10.0~+23.5%)
**RefSpatial-Bench**: 122B-A10B 모델은 58.5% (기존 모델 대비 +6.0~+18.0%)
**실제 로봇 실험**: RynnBrain-VLA는 Qwen 기반 VLA 및 대표적인 일반적 VLA 대비 성공률 +10~20% 향상.
**다중 작업 학습**: 평균 과정 점수 및 최종 성공률 10~15% 개선.

의의 및 한계

RynnBrain 1.1은 로봇이 물리적 환경에서의 조작을 지원하는 데 있어, 기존 모델 대비 훨씬 더 정확하고 실용적인 표현을 제공한다. 특히, 접촉점 예측과 3D 정착을 통해 로봇의 실제 조작에 더 가까운 정보를 생성함으로써, 다양한 로봇 체제에서의 적용 가능성을 높였다. 또한, RynnBrain-VLA는 이질적인 로봇 체제 간의 학습을 통합적으로 수행할 수 있도록 설계되어, 실제 산업 환경에서의 활용성이 높다. 그러나, 122B-A10B 모델은 계산 비용이 높고, 2B 및 9B 모델은 일부 복잡한 작업에서 성능이 떨어질 수 있다는 한계가 있다.

실용적 활용

RynnBrain 1.1은 산업 로봇, 서비스 로봇, 자율 주행 시스템 등 다양한 분야에서 활용 가능하다. 특히, Unitree G1, Astribot-S1, Tianji-Wuji와 같은 이질적인 로봇 체제에서의 적용 사례를 통해, 실제 산업 현장에서의 실용성을 입증하였다.