清华与无问芯穹开源具身智能纳管平台 RLark
具身智能的"塔台"：RLark 把分散的机器人、云端算力和执行程序纳入同一套资源体系，按任务统一调度，让真机实验准备从小时级降到分钟级。
清华大学与无问芯穹联合开源具身智能云原生纳管平台 RLark，把机器人、相机等设备像 GPU 一样申请和调度，并做跨集群通信优化，目前已在 3 个集群、近百个云边端节点上完成统一纳管，设备接入从小时级缩短到约 5 分钟，任务提交后 10 秒内启动。
正文摘录
.jpg) 一架架飞机在空中有序飞行，按时起降，看似只是飞机自己的事情，实际上，它需要持续与机场、跑道、航线以及地面资源系统协同。 这正是「塔台」存在的意义： 它负责把分散的飞机和地面、空中的资源协调组织起来，让飞机根据各自的任务有序运行。而当飞机越来越多、航线越来越复杂，这种统一管控和协调也就变得越来越重要。 具身智能也同样如此。 一项具身任务，本质上是多个角色的协同：机器人和相机等现场设备、云端算力、训练与推理程序，以及连接这些角色的通信和运行环境。 而 随着更多机器人投入研发与应用，这种协同的复杂度与成本更将进一步放大 ：设备需要一个个接入，任务需要分别部署，云端与现场需要反复配置网络，不同设备和程序出了问题，还要逐一排查设备、网络、程序。 因此，当机器人从「单机」走向更大的「机群」，具身智能也需要一座新的「塔台」—— 不只是「把设备接进来」，而是 统一组织管理分散的算力、设备和执行程序，让它们围绕同一项任务协同高效运行 。  为解决这一问题，清华大学与无问芯穹共同打造并开源 面向具身智能的云原生纳管平台 RLark 。