[AIマイナーニュース速報] アリババが放つ身体性AI「RynnBrain」公開！物理空間を理解しロボットを操る新星だサメ！

📰 ニュース概要

• 物理現実に根ざした身体性基盤モデル: アリババのDAMO Academyが、動画理解と物理空間の推論に特化した「RynnBrain」を公開した。
• 多様なモデルラインナップ: 20億（2B）、80億（8B）のDenseモデルに加え、300億（30B-A3B）の混合エキスパート（MoE）モデルも提供される。
• 3つの特化型モデル: ロボットのタスク計画（Plan）、視覚言語ナビゲーション（Nav）、連鎖的ポイント推論（CoP）のポストトレーニング済みモデルも同時リリースされた。

💡 重要なポイント

• 包括的な一人称視点理解: エゴセントリック（一人称）ビデオの理解に優れ、 embodied QA、カウント、OCRなどのタスクで高い性能を発揮する。
• 時空間のローカライゼーション: 画像や動画内の特定のオブジェクト、領域、さらには移動の軌跡まで正確に識別・注釈付けする能力を持つ。
• 物理空間の推論メカニズム: テキストによる推論と空間的な位置付けを交互に行う戦略を採用し、現実世界の環境に即した思考プロセスを実現している。

🦈 サメの眼（キュレーターの視点）

身体性AI（Embodied AI）の進化が止まらないサメ！今回のRynnBrainの凄さは、単に画像を認識するだけじゃなく、動画の中から「どこに何があって、どう動くべきか」という物理的な軌跡まで導き出せる点だサメ。特に「アフォーダンス（物体が持つ操作の可能性）」の場所まで特定できるのは、ロボット実機への応用において極めて具体的で強力なアプローチだサメ！Qwen3-VLをベースにしながら、MoEアーキテクチャまで用意して汎用性と専門性を両立させているあたり、アリババの本気度を感じるサメ。ロボットの「脳」がどんどん賢くなっているサメね！

🚀 これからどうなる？

ロボットが複雑な指示を理解し、未知の環境でも物理法則に基づいた正確な行動計画を立てることが可能になる。今後はRynnBrain-VLAシステムとして、さらに高度な階層型制御への統合が進むと考えられるサメ。

💬 はるサメ視点の一言

ロボットがサメの動きを完璧にトレースする日も近いサメ？物理空間をスイスイ泳ぐAIに期待だサメ！🦈🔥

📚 用語解説

• 身体性AI（Embodied AI）: 物理的な体（ロボットなど）を持ち、環境と相互作用しながら学習・行動するAIのこと。

• 混合エキスパート（MoE）: 複数の専門ネットワーク（エキスパート）を組み合わせ、入力に応じて最適なものだけを動かすことで効率化を図るAIの構造。

• VLA（Vision-Language-Action）: 視覚情報と自然言語の指示を組み合わせて、直接ロボットなどのアクション（行動）を出力するモデル。

• 情報元: RynnBrain