機械人操作最難的不只是識別動作成敗，而是要持續知道距離完成指令仲有幾遠。RynnValue 就是針對呢個空缺而來的模型項目：它把機械人影片連同文字指令一齊讀入，逐格預測剩餘完成時間，並輸出自然語言分析，讓進度估計、失敗偵測與 VLA（vision-language-action）policy 的獎勵建構可以共用同一套訊號。
它和常見進度分數或偏好標註做法的分野很清楚。RynnValue 不靠人工標出「較好」軌跡，也不把進度硬壓成 0 到 1，而是直接學習 goal-conditioned cost-to-go 的物理時間；標籤來自時間戳，配合子任務切分與 cutoff relabeling，於是能擴展到 7,000 多小時、約 300 萬段 instruction-conditioned clips 的異質機械人資料。這個取捨帶來的好處是可擴展，代價則是模型必須更好地處理長尾任務時長與不同視角、不同 embodiment 的差異。
RynnValue 連同完整工具鏈一併提供。你可以把它理解成一套由 HuggingFace 相容模型、影片推理示範，到 reward-model benchmark 與強化學習介面都包起來的研究型工具組；當中 RynnValue 建基於 RynnBrain，實作在 Qwen3-VL architecture 之上，除了預測 absolute 與 relative temporal value，亦會生成影片描述，並判斷 instruction–video 是否匹配、任務是否成功。
- 核心能力是把「距離完成尚餘幾多秒」變成稠密 value signal
- 訓練毋須 preference 或 progress annotations，較易放大量異質資料
- 8B 版本在 RBM-EVAL-OOD 的平均 Kendall’s τₐ 達 0.675，高於文中對照的 fully preference-supervised 方法 0.655
- 可直接接到 reward shaping，用作 policy ranking、evaluation 與 reinforcement learning critic
為免模型偷看序列位置去猜進度，作者加入 temporal-order shuffling、random temporal sampling，以及 value-isolation attention；消融結果亦顯示這些設計不是裝飾，拿走後指標會明顯下跌。再進一步，它把輸出的 value 轉成 potential-based shaping reward，在雙臂 Franka 的真實機械人學習中，無論 online 定 offline 都比最強 reward-model baseline 有更高成功率。
最受惠的會是做機械人操作、VLA 訓練、reward modeling 與 embodied AI 評測的團隊，尤其想減少人手標註成本、又需要跨資料來源泛化能力的人。限制同樣存在：這類時間距離訊號雖然比二元成敗更細緻，但對任務切分、影片品質與觀測覆蓋仍然敏感，而且它目前聚焦於 robot manipulation，不代表可直接外推到所有 agent 場景。