arXiv 2610.32965 · cs.RO · 2026-10-23

RynnUnify: Towards Unified Embodied Brain

Minghao Zhu, Bohan Hou, Kun Xiang, Zixuan Wang, Yinzhou Tang, Yifei Yang, Zhikai Wang, Tianyi Zhang 等 23 人

DAMO Academy

一句话要点

RynnUnify 是一个16B统一具身模型，融合视觉语言推理实现长时域规划与物理预测，在多个任务中表现领先，并支持代理决策和机器人控制。

RynnUnify achieves state-of-the-art embodied understanding and planning, with agent and robot control extensions demonstrating strong real-world performance.

要点

现有具身模型在长时域视觉规划与物理世界预测上能力不足，缺乏统一的推理框架。
通过视频-语言交错推理实现空间推理、物理预测和状态接地，结合强化学习构建代理扩展以预测未观测状态，进一步发展为机器人控制模块。
在Rynn-VP任务中优于Cosmos 3 Nano 9.75分，在Rynn-GEU上提升6.0分，机器人任务成功率分别达51.5%和46.7%。
为具身理解、视觉规划与控制提供了统一基础，但实际部署仍需进一步验证在复杂动态环境中的鲁棒性。

English overview

RynnUnify presents a 16B unified embodied model that combines video-language reasoning for long-horizon visual planning and physical prediction. It introduces an agent extension via reinforcement learning to reason about unobserved states, and a world-action module for robot control. Evaluated on Rynn-VP and Rynn-GEU benchmarks, it outperforms existing models in embodied understanding and planning, achieving high success rates in real-world robotic tasks.

只根据 arXiv 官方摘要，由开源模型整理，经数字/专名自动核对（必须在摘要中出现），以论文原文为准。

31HF 点赞

–GitHub stars

–引用（Semantic Scholar）

–热度分

阅读 arXiv 原文 PDF Hugging Face 讨论代码仓库项目页