阿里达摩院开源 Rynn 系列：从协议到模型，打通具身智能“最后一公里”

在上周开幕的 2025 世界机器人大会上，阿里达摩院宣布开源一套完整的具身智能技术体系，包括：

• 视觉-语言-动作模型 RynnVLA-001-7B
• 世界理解模型 RynnEC
• 机器人上下文协议 RynnRCP

这不仅是一次模型发布，更是一次对具身智能开发流程碎片化问题的系统性回应。

• 机器人上下文协议 RynnRCP：https://github.com/alibaba-damo-academy/RynnRCP

• 视觉-语言-动作模型 RynnVLA-001：https://github.com/alibaba-damo-academy/RynnVLA-001

• 世界理解模型 RynnEC：https://github.com/alibaba-damo-academy/RynnEC

• WorldVLA 模型：https://github.com/alibaba-damo-academy/WorldVLA

当前，尽管大模型驱动的机器人技术飞速发展，但开发者仍面临诸多现实挑战：

• 模型输出无法对接真实机器人控制；
• 不同传感器、机械臂、AI模型之间缺乏统一接口；
• 仿真策略难以迁移到真机；
• 数据采集、训练、部署链条割裂。

达摩院此次推出的 Rynn 系列，正是试图通过“协议先行 + 模型协同”的方式，打通从感知到执行的全链路。

核心突破：提出 RCP 协议，构建机器人领域的“通用语言”

达摩院将 MCP（Model Context Protocol）的理念延伸至机器人领域，首次提出并开源 RynnRCP ——一套面向具身智能的标准化服务协议与框架。

它的目标很明确：让数据、模型和机器人本体之间实现即插即用的兼容适配。

RynnRCP 包含两大核心模块：

1. RCP 框架：连接感知与推理的标准化桥梁

RCP 框架负责：

• 建立机器人本体与各类传感器（摄像头、力矩传感器、IMU 等）的连接；
• 提供统一的能力描述接口（Capability Interface），屏蔽硬件差异；
• 支持多种传输层（如 gRPC、WebSocket）和模型服务（本地/远程）的灵活接入。

这使得开发者无需为每款新设备重写通信逻辑，真正实现“一次对接，多端可用”。

2. RobotMotion：从低频推理到高频控制的实时转换器

大模型通常以秒级频率输出动作指令（如“抓取红色积木”），但真实机器人需要千赫兹级的连续控制信号。

RobotMotion 正是解决这一“频率鸿沟”的关键模块：

• 将离散的高层指令（symbolic command）转化为平滑、符合物理约束的轨迹；
• 支持动态避障、柔顺控制、力反馈调节等高级特性；
• 内置运动插值与异常处理机制，提升执行稳定性。

更重要的是，它提供了一套一体化仿真-真机控制工具链，支持：

显著降低了从仿真到真实部署的迁移成本。

目前，RynnRCP 已支持 Pi0、GR00T N1.5 等主流视觉语言动作模型，以及 SO-100、SO-101 等多款机械臂，并持续拓展生态。

开源模型：让机器人“看得懂、想得清、做得对”**

除了协议框架，达摩院还同步开源两款关键模型，分别聚焦动作执行与环境理解。

1. RynnVLA-001-7B：从人类视频中学“像人一样操作”

RynnVLA-001 是一个 7B 参数的视觉-语言-动作（VLA）模型，其训练方式别具一格：

• 基于大量第一人称视角（egocentric）操作视频进行预训练；
• 学习人类手部运动轨迹与物体交互模式；
• 隐式迁移至机械臂控制，无需显式标注动作标签。

这意味着，模型学到的不是“坐标+角度”的机械指令，而是更接近人类直觉的操作语义。

实验表明，使用 RynnVLA-001 控制的机械臂，动作更加连贯、自然，在抓取、放置、开合等任务中表现出更强的适应性。

2. RynnEC：赋予机器人“理解物理世界”的能力

传统视觉模型擅长识别“这是什么”，但在具身场景中，机器人还需要知道：

• 物体的位置关系（左/右、上/下）
• 功能属性（可抓取、可打开、可移动）
• 数量与状态（是否空、是否打开）

为此，达摩院推出 RynnEC（Rynn Embodied Context） ——一个多模态世界理解模型。

它能从视频序列中提取并结构化表达场景信息，在无需3D建模的前提下，实现：

• 连续空间感知（Spatial Awareness）
• 目标精准定位与分割
• 多维度语义解析（位置、功能、数量等共11个维度）

例如，当指令为“把左边那个能打开的盒子拿过来”，RynnEC 可准确识别出符合“左侧”“容器类”“有盖子”等条件的目标。

这种能力使其在复杂室内环境（如家庭、办公室）中具备更强的实用潜力。

生态协同：不止于单点突破

值得注意的是，达摩院在上月还开源了 WorldVLA 模型，首次将世界模型与动作生成模型融合：

• 同时建模环境演化与动作响应；
• 在抓取任务中，成功率提升 4%；
• 视频生成质量更高，动作与场景更协调。

这一系列动作表明，达摩院正在构建一个协议统一、模型协同、软硬一体的具身智能开发生态。

为什么这很重要？

Rynn 系列的价值，不在于某一项指标的领先，而在于它尝试回答一个根本问题：

如何让大模型真正“落地”到物理世界？

它的答案是：

1. 先建标准：用 RCP 协议解决“接不上”的问题；
2. 再优模型：用 RynnVLA 和 RynnEC 解决“看不懂”“做不对”的问题；
3. 最后打通流程：通过仿真-真机一体化工具降低迁移门槛。

这套方法论，既适合科研团队快速验证算法，也适合企业构建可落地的机器人应用。