清华、无问芯穹、正行创新联合开源具身智能体基础设施 RPent
RPent 把大模型当规划脑、VLA 当执行手，用记忆和任务卡串成闭环，让机器人在开放环境里复用经验而非死记动作。
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。它把通用大模型的规划能力和 VLA 等专家模型的操作能力接上记忆、工具与机器人接口，形成感知、决策、执行到纠错的闭环，在 LIBERO-PRO 基准上任务成功率达 92.6%，端到端完成速度提升 7 倍以上。
正文摘录
.20.47.png) 随着 GPT-6 Astra 开始接受真实机器人操作测试，数字世界的智能体范式正逐渐走向物理世界。同时也把一个问题变得越来越具体：通用大模型，能否成为机器人的“大脑”，让机器人真正完成现实世界中的复杂任务？ 但物理世界中的智能体，不仅要 “想明白”，还必须 “看得见、做得到、反应快”，并且 “记得住”。 今天，由清华大学、无问芯穹、正行创新联合发起的具身智能体基础设施 RPent 正式开源。 RPent 面向真实物理世界，将通用大模型的任务理解与规划能力、VLA（Vision-Language-Action，视觉-语言-动作模型）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，形成从感知、决策、执行到反馈纠错的完整闭环，使智能体能够持续适应环境变化，并将经过验证的经验沉淀为可复用的能力，在与物理环境的持续交互中不断学习和进化。在 LIBERO-PRO 基准测试（长时序机器人操作评测集）中达到 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。