在近期舉辦的世界機器人大會上，阿里巴巴達摩院宣布了一項重大舉措：開源三大核心組件，旨在推動具身智能的全面發(fā)展。這些組件包括VLA（視覺-語言-動作）模型RynnVLA-001-7B、世界理解模型RynnEC，以及創(chuàng)新的機器人上下文協(xié)議RynnRCP。
達摩院首次提出的RCP（Robotics Context Protocol）協(xié)議，被視為具身智能領域的一次革新。這一協(xié)議不僅是一套完整的機器人服務框架，更像是一個“超級適配器”，能夠無縫連接傳感器數(shù)據(jù)采集、模型推理以及機器人的動作執(zhí)行。目前，RynnRCP已經(jīng)成功適配了多款熱門模型和機械臂，如Pi0、GR00T N1.5等。
RynnRCP框架主要由兩大模塊構成：RCP框架和RobotMotion。RCP框架負責抽象機器人及其傳感器的功能，并通過標準協(xié)議進行交互；而RobotMotion則作為云端與機器人本體之間的橋梁，將低頻的推理命令轉換為高頻的連續(xù)控制信號，確保機器人能夠準確執(zhí)行動作。它還包含了一套運動規(guī)劃與控制的工具包，為具身智能融入物理世界提供了有力支持。
RynnVLA-001-7B是達摩院自研的視覺-語言-動作模型，具備從第一人稱視角視頻中學習人類操作技能的能力，并能將這些技能隱式遷移到機器人手臂的操控上。在一個演示中，當指令要求機械臂將草莓放到手掌上時，它能夠準確識別出草莓，并成功完成放置動作，展現(xiàn)了出色的理解和執(zhí)行能力。
在對比測試中，RynnVLA-001-7B在多項撿拾物品放置測評中均取得了最高分，證明了其卓越的性能。達摩院還提供了詳細的指南，指導開發(fā)者如何使用自己的數(shù)據(jù)對模型進行微調，以便更好地適應特定應用場景。
另一款開源組件是世界理解模型RynnEC，它將多模態(tài)大語言模型引入了具身世界，使機器人能夠理解物理世界。RynnEC能夠從多個維度全面解析場景中的物體，并在復雜環(huán)境中精準定位和分割目標物體。此次開源的RynnEC-2B模型在對象認知和空間認知測試中均超越了多個頂尖模型，展現(xiàn)了強大的認知能力。
為了評估模型的性能，達摩院還推出了RynnEC-Bench基準測試，涵蓋對象認知和空間認知兩大領域，共22項認知能力評估。這一基準測試為開發(fā)者提供了全面、客觀的評估標準，有助于推動具身智能技術的不斷進步。
達摩院的這次開源行動，為具身智能開發(fā)者提供了一套“樂高式”的工具包。通過標準化連接、擬人化控制與空間認知三大突破，這些組件打通了機器人從感知到執(zhí)行的完整鏈路。這不僅有望降低開發(fā)門檻，還將加速具身智能在工業(yè)、家庭等場景的規(guī)模化落地，讓機器人更加智能、靈活，更好地服務于人類社會。
