清华等三家单位联合开源具身智能体基础设施RPent

9月21日，清华大学、无问芯穹、正行创新联合开源具身智能体基础设施RPent。该基础设施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、工具和机器人接口连接起来，形成感知—决策—执行—反馈纠错的完整闭环，使具身智能体能够持续适应环境变化，并在与物理环境的交互中不断学习进化。

在LIBERO-PRO基准测试中，RPent达到92.6%的任务成功率，并将端到端任务完成速度优化7倍以上。此次发布同步释出系列真机demo，展示了多个开放式任务，机器人不再针对每种场景单独训练专用策略，而是能够理解任务、调用能力并根据环境调整行动。例如，在将干净餐具放入纸箱的任务中，智能体会先观察环境、选择放置位置，并在视觉定位偏差时检查结果、重新定位；在按品牌标签分拣饮料时，它会试抬确认夹稳并调整腕部姿态；当勺子被碗遮挡时，会先移开碗再抓取。此外，机器人还展示了将“拿起并放置容器”技能重组用于倾倒钢珠，以及组合抓取、双臂协同完成持盘、擦拭和收纳等操作。

RPent会将经过验证的任务逻辑沉淀为任务卡供下次执行复用，以降低执行延时。该项目探索的是机器人能否像人一样将已有技能重新组织起来，完成训练分布之外的任务。随着智能体走向真实世界，RPent所代表的正是大模型进入物理世界后需要重新构建的下一层基础设施。