研究团队于2026年10月23日在 arXiv 提交预印本《RynnUnify: Towards Unified Embodied Brain》，提出一个160亿参数的统一具身模型，试图把具身理解、长时视觉规划和机器人控制纳入同一体系。论文原文
据论文摘要，RynnUnify通过交错的视频—语言推理处理空间关系、物理预测和环境状态变化，并进一步提供两个扩展方向：一是通过强化学习，让代理在面对未观测状态或交互结果时选择性调用视频预测；二是将模型的理解与预测能力转化为机器人控制。研究团队同时提出Rynn-VP和Rynn-GEU两个评测集，分别用于长时视觉规划与预期推理。
论文报告称，在其比较的统一多模态模型中，RynnUnify取得最高的平均具身理解得分；在Rynn-VP上，整体得分比Cosmos 3 Nano高9.75分。加入代理式扩展后，Rynn-GEU平均得分较直接推理提高6.0分。在机器人实验中，世界—动作扩展版本在20个选定的复合RoboCasa365任务上成功率为51.5%，并在三个真实机器人任务上取得46.7%的平均成功率。
这项工作的主要看点，是尝试用一个共享模型连接“理解世界—预测变化—规划动作—控制机器人”几个环节，而不是只提升单一视觉语言任务。若这一方向能够在更多机器人形态、陌生环境和更长任务链中保持效果，可能有助于减少不同模型之间的接口适配成本。
但目前证据仍应谨慎解读：该成果是arXiv预印本，相关指标来自论文作者自己的实验；真实机器人评测只有三个任务，RoboCasa365也只选取了20个复合任务。因此，现阶段还不能据此判断模型已经具备通用具身智能能力或达到可规模化部署水平。
参考来源：
- RynnUnify: Towards Unified Embodied Brain 2026-10-23
由 AI 整理，仅供参考；请以原始来源为准。
