为什么需要一个开放的具身智能底座
机器人走进真实场景时，面临的问题远不止"会动"：环境持续变化、状态无法完全观测，动作一旦发出就难以撤销，抓取、装配、插拔等精细操作对精度和时延都有苛刻要求。单纯依赖端到端视觉-语言-动作模型，在长程任务和场景扰动下表现会迅速退化；单纯依赖通用大模型直接输出动作，又难以保证亚厘米级精度和实时性。两条路线并不是互相替代，而是分别擅长不同层次的能力。
RPent的出现，是为了让不同模型、工具和硬件能够各司其职、协同闭环。它由清华大学、无问芯穹、正行创新联合发起，并由大规模具身强化学习框架RLinf的核心团队打造，将通用大模型的任务理解与规划能力、VLA等专家模型的精细操作能力，以及记忆、工具和机器人接口整合起来，形成从感知、决策、执行到反馈纠错的完整闭环。
核心设计：分层架构与统一接口
RPent采用开放的模块化设计，将系统划分为用户层、智能层、接口层和环境层四个层级。
- 用户层提供类似代码智能体的交互式命令行，并可选配Web Dashboard，用户可下达任务并实时查看视觉输入、推理过程和动作轨迹。
- 智能层是任务规划与能力调度中心，由Agentic Planner和Action Primitive组成。前者结合基础模型、记忆与工具库完成任务理解、规划与工具调用，后者把VLA、WAM等学习型操作模型以及程序化技能封装成统一可调用的工具。
- 接口层把智能决策转换为机器人可执行指令，通过MCP、RPC、MHS三层接口把模型、工具、机器人与物理设备连接起来，使上层Agent和提示词不必为不同设备重新开发。
- 环境层负责任务执行，目前已覆盖LIBERO-PRO、RoboCasa、RoboTwin、RoboDojo等仿真环境，以及Franka、双臂Franka、YAM、SO101等真实机器人，新增设备只需按标准接口接入即可被框架识别。
这套分层设计的核心价值在于：通用大模型专注理解与规划，专家模型专注高精度执行，记忆系统沉淀经验，框架负责连接，由此形成"观察—规划—执行—反馈—再规划"的闭环，让智能体从一次性执行走向持续成长。
对用户的实际价值
对开发者与研究团队而言，RPent主要提供三层价值。
第一是能力上限的提升。在LIBERO-PRO基准测试中，RPent配合GPT-6 Astra达到92.63%的任务成功率，相比第二名方案有10个百分点以上的领先，相比纯VLA端到端路线有40个百分点以上的差距。这意味着在指令变化、布局变化和长程执行等更贴近真实场景的条件下，框架化方案能显著拓展机器人可完成的任务边界。
第二是经验复用的效率。RPent的三层记忆系统按复用范围组织经验，包含可迁移的任务方案（Recipe），记录适用条件、类型、可信度与支撑证据，相互冲突的记录会被隔离。引入记忆后，在位置交换扰动任务中的成功率从31.0%提升至87.0%。
第三是执行节奏的优化。Flash Mode将经过验证的任务流程压缩为任务卡，优先按任务卡执行，仅在检查失败或环境偏离时才重新调用规划器。在LIBERO Object的200次评测中，平均执行时间从283.6秒降低至40.9秒，成功率仅下降3.5个百分点，实现约7倍加速。这让大模型决策能够跟得上真实物理环境的节奏。
适用场景与选择标准
RPent适合以下几类典型场景：任务目标相对清晰但子步骤较多、需要长程规划的家庭服务、实验室辅助、物流分拣与柔性装配；环境布局经常变化、要求机器人主动重新定位目标和调整动作的真实部署场景；以及希望把不同基座模型与不同VLA专家模型在同一框架下对比评测的研究项目。
在选型时，可以参考几个标准：一是任务是否需要长程理解与多步规划，如果只是简单抓取，纯VLA方案可能更轻量；二是场景扰动频率，高扰动环境更受益于记忆与闭环纠错能力；三是延迟要求，实时性要求高的场景应优先验证Flash Mode下的执行时间；四是硬件异构程度，机器人型号多样、需要跨平台迁移时，分层接口的价值更突出。RPent随项目开源了性能与延时两个维度的Leaderboard，便于横向对比不同基座模型与技术路线的效果。
如何用起来
RPent以开源方式发布，代码仓库托管在GitHub组织RLinf下，项目名为RPent，可直接克隆获取源码与文档。上手流程大致分为四步：
- 环境准备：根据官方文档安装Python依赖与对应CUDA版本，并准备好机器人控制所需的驱动；如使用仿真，可先在LIBERO-PRO、RoboCasa等已支持的仿真环境中验证流程。
- 配置模型服务：在智能层接入所需的基座大模型与VLA、WAM等专家模型服务，框架支持模型服务、机器人控制与仿真环境的独立部署，可按需拆分到不同进程或主机。
- 接入机器人或仿真器：把目标设备放入标准接口目录，按动作、状态、环境三类接口约定实现驱动，框架即可自动识别和调用。
- 运行与观察：通过命令行或Web Dashboard下达任务，观察智能体的推理过程、视觉输入与动作轨迹；在探索模式下积累经验，在评测模式下冻结记忆以保证结果可复现。
文档中还提供了Leaderboard页面，可用于查看不同基座模型与不同技术路线在同一基准上的性能与延时对比，便于在落地前评估组合方案。
落地建议与成本考量
落地时建议先在仿真环境中跑通全流程，再迁移到真机，以降低调试成本。初期可固定一两种机器人型号和一套基座模型，验证任务卡生成、记忆沉淀与Flash Mode的稳定性，再逐步扩展硬件与模型组合。
在算力方面，框架支持模型服务与机器人控制独立部署，便于把GPU推理放到独立服务器、把机器人控制器放到本地，从而在保证时延的前提下灵活配置资源。在数据与经验层面，建议从重复性较高的任务开始积累任务卡，让一次探索的成功经验快速复用到相似任务上，再逐步向扰动更强的开放场景扩展。
如果团队已有可用的VLA模型或程序化技能，可以直接以Action Primitive方式接入；如果已有机器人但接口不统一，可以借助接口层把控制封装为标准动作；如果希望先评估效果，则可以参考Leaderboard数据，结合LIBERO-PRO、RoboCasa365 Target50与RoboTwin等基准上的性能与延时指标做选型判断。整体而言，RPent更适合愿意投入一定工程力量、追求长期可演进能力的团队，而不是追求最快交付单一动作的场景。