目前，具身智能基础模型已取得显著进展，能够根据自然语言指令和视觉观察，生成可执行的动作，但其在真实世界中的部署应用却频繁失败。当前的通用模型仍存在两大局限：在空间维度上，存在“度量盲”的问题；在时间维度上，模型大多以开环方式进行预测，无法在闭环中持续自主调整。

为此，北京智源人工智能研究院提出最新一代通用具身大脑模型RoboBrain 2.5。该模型在原有RoboBrain的基础上，新增了机器人对三维空间结构的理解推理，和动作时序价值评估的能力，对下游任务执行成功率有显著提升。代码与模型现已开源。

RoboBrain 2.5采用统一的视觉—语言多模态融合架构，通过单一技术框架整合机器人感知、认知、推理与决策的全链条能力。其核心架构基于Transformer模型优化，专门针对具身场景的多源数据处理进行了底层调整。

在三维空间结构的理解与推理方面，智源研究院联合提出一个三维感知的多模态大模型RoboTracer。该模型通过全参数微调（SFT）强化空间信息的精准理解，并进一步用强化学习微调（RFT）提升推理与泛化能力，最终在开放世界场景中实现可用的 3D 空间轨迹生成。

在动作时序价值评估方面，智源研究院联合提出最新成果机器人多巴胺Robo-Dopamine，通过步骤感知过程奖励模型，对每一个时间步的动作给出细致的价值评估，显著提高机器人对动作时序价值评估能力。

1月28日20点，全新策划推出的「智猩猩×智源研究院具身智能技术公开课」第1期将开讲，由RoboBrain 2.5项目负责人、北京智源人工智能研究院具身智能大模型负责人王鹏伟主讲，主题为《通用具身大脑RoboBrain 2.5最新突破与演进》。