서론

RynnBrain 1.1은 embodied AI를 단순한 멀티모달 이해에서 실제 행동으로 이어지는 단계로 끌어올리려는 시도다. 이 모델군은 지각, 공간 추론, 위치 추정, 계획을 하나의 spatio-temporal 및 physically grounded 프레임워크 안에서 학습한다. 로봇 분야에서는 무엇을 아는가보다 어디에 있고 어떻게 움직여야 하는가가 더 중요하기 때문에, 이런 설계는 실용적인 의미가 크다.

핵심 포인트

• 여러 규모의 모델 제공: 2B, 9B, 122B-A10B 버전으로 구성돼 다양한 자원 환경에 대응할 수 있다.
• 조작 친화적 표현 강화: 모델 패밀리 전반에 contact-point prediction을 추가해, 물체를 어디에서 접촉해야 하는지에 대한 정보를 더 직접적으로 다룬다.
• 소형 모델의 3D grounding 개선: 2B와 9B 모델에는 native 3D grounding이 들어가 있어 공간 관계를 더 명확하게 표현한다.
• RynnBrain-VLA 개발: unified cross-embodiment action space와 embodiment-specific masking을 사용해 Unitree G1, Astribot-S1, Tianji-Wuji 등에 적용했다.
• 평가 결과: 논문은 122B-A10B 모델이 VSI-Bench, MMSI, RefSpatial-Bench에서 평가된 proprietary 및 open-source 모델보다 우수했다고 밝힌다. 실제 로봇 실험에서도 RynnBrain 초기화 정책이 Qwen 기반 및 대표적 generalist VLA보다 더 좋은 결과를 보였다.

의미와 영향

이 연구가 중요한 이유는, embodied model이 단순히 장면을 이해하는 수준을 넘어 물리적 상호작용까지 고려해야 한다는 점을 분명히 보여주기 때문이다. 로봇에게 필요한 것은 물체를 이름 붙이는 능력이 아니라, 어디를 보고 어디를 만지고 어떤 순서로 움직일지 판단하는 능력이다. RynnBrain 1.1은 바로 그 지점을 모델 설계의 중심에 놓았다.

특히 3D grounding과 contact-point prediction은 조작 작업에서 중요한 중간 표현이다. 이런 신호가 있으면 grasping, reaching, placement 같은 작업에서 정책이 더 안정적으로 동작할 가능성이 높아진다. 또 여러 본체에 걸친 학습은 실제 배포 환경에 유리하다. 같은 모델을 서로 다른 로봇에 옮겨 쓰려면 행동 공간의 차이를 흡수할 수 있어야 하기 때문이다.

물론 벤치마크 성능이 곧바로 현장 적용 가능성을 의미하지는 않는다. 복잡한 환경, 긴 시간에 걸친 작업, 예기치 않은 변화에 대한 강건성은 여전히 중요한 과제다. 그럼에도 RynnBrain 1.1은 embodied foundation model이 어디로 가고 있는지 잘 보여준다. 즉, 더 정교한 공간 이해, 더 나은 물리적 정렬, 그리고 실제 로봇 행동과의 더 가까운 연결이다.

출처: Hugging Face Daily Papers