RPent把通用大模型的规划、VLA专家模型的操作、记忆系统与机器人接口串成闭环，官方称在LIBERO-PRO达到 92.6% 任务成功率，Flash Mode下平均执行时间从 283.6 秒降到 40.9 秒，成功率下降 3.5 个百分点。
AI解读：RPent想解决的是具身智能里的分工问题：让大模型负责理解任务和规划，让VLA等专家模型负责精细动作，再用记忆系统把验证过的经验存下来。这个思路的直接影响是，机器人在任务变化或环境扰动时不必从头重训一个专用策略，而是重新组织已有能力。
对做机器人和具身智能的团队来说，RPent提供的是模块化基础设施，而不是一个端到端模型。用户层、智能层、接口层、环境层的划分，让新增机器人只需接入robots/目录并实现标准接口，上层Agent和工具不用为每台设备重写。
Flash Mode是这次比较实用的部分：它把探索成功的流程压缩成Task Card，执行时优先复用，只在检查失败或环境偏离时才重新调用大模型。官方在LIBERO Object的 200 次评测中称，平均执行时间从 283.6 秒降到 40.9 秒，成功率只降 3.5 个百分点。
不过要注意，这些数字来自官方发布的基准测试和真机演示，是否能在更多机器人、更多真实场景中稳定复现，还需要外部验证。框架已覆盖LIBERO-PRO、RoboCasa、RoboTwin、RoboDojo等仿真环境以及Franka、双臂Franka、YAM、SO101等真实设备，但不同硬件的适配成本仍未公开。
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于 2026 年 9 月 21 日开源，代码发布在GitHub的RLinf/RPent仓库。该框架面向真实物理世界，把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，形成从感知、决策、执行到反馈纠错的闭环。
按照量子位刊载的内容，RPent在LIBERO-PRO基准测试中达到 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。
RPent由大规模具身强化学习框架RLinf的核心团队打造，其背后算法源于团队于 2026 年 7 月提出的Harness VLA工作。
真机展示的任务与Flash Mode
官方真机视频展示了多个开放式任务：机器人将钢珠倒入碗中、双臂协同擦拭盘子、主动移开遮挡物找到藏在碗下的勺子。量子位称，这些任务并非为每种场景单独训练专用策略，机器人从执行学过的动作转向理解任务、调用能力并根据环境变化调整行动。
例如，当任务变化为将干净餐具放入纸箱时，冻结VLA会把同一只蓝色盘子错误地放入金属篮，而RPent会先观察环境再根据新目标选择放置位置；视觉定位出现偏差时，它会检查结果、排除错误目标并重新定位。
在执行读取瓶身和袋子品牌标签、将不同饮料放入对应袋子的任务时，机器人抓起瓶子后会先小幅试抬确认夹持稳定；原有运动路径不可行时，再调整腕部姿态继续执行。面对被碗遮挡的勺子，机器人会先移开两个碗，让目标重新可见、可达。
探索成功后，RPent会把经过验证的任务逻辑沉淀为任务卡（Task Card）；再次执行时可启用Flash Mode，通过任务卡直接复用流程，只根据当前视觉状态做必要调整，避免每一步都重新调用大模型。
- 真机任务包括倒钢珠入碗、双臂擦盘、移开遮挡物找勺子。
- 冻结VLA在任务变化时沿用旧动作，RPent会重新观察并调整放置位置。
- 抓取前小幅试抬确认夹持稳定，路径不可行时调整腕部姿态。
- Task Card保存任务阶段、动作原语、关键目标与检查条件，不保存固定坐标。
模块化架构与三层接口
RPent采用开放的模块化设计，分为用户层、智能层、接口层和环境层四大层级。用户层提供类似Claude Code/Codex的交互式CLI，以及可选Web Dashboard，用户可下达任务并查看推理过程、视觉输入和动作轨迹。
智能层由Agentic Planner和Action Primitive组成。Agentic Planner结合基础模型、Memory和Tool Library，完成“规划 → 执行 → 反馈 → 记忆更新”的循环；Action Primitive把VLA、WAM等学习型操作模型以及Code as Policy等程序化技能封装为标准工具。
接口层通过MCP、RPC与MHS三层设计把智能决策与物理执行解耦：MCP统一描述可调用能力，RPC连接工具、模型服务与机器人环境，MHS面向更广泛的物理设备提供统一读写与控制抽象。
环境层负责任务执行，目前已支持LIBERO-PRO、RoboCasa、RoboTwin、RoboDojo等仿真环境，以及Franka、双臂Franka、YAM、SO101等真实设备。新增机器人只需作为独立模块接入robots/目录，即可被框架自动识别和调用。
智能层与环境层采用独立进程架构，支持模型服务、机器人控制和仿真环境的独立部署、迁移与重启。
- 用户层：交互式CLI或Web Dashboard，可查看推理过程与动作轨迹。
- 智能层：Agentic Planner负责规划，Action Primitive封装VLA、WAM与程序化技能。
- 接口层：MCP描述能力，RPC连接服务，MHS统一物理设备读写与控制。
- 环境层：覆盖LIBERO-PRO、RoboCasa、RoboTwin、RoboDojo与Franka、YAM等设备。
Memory的三层结构与扰动测试数据
RPent的Memory系统把经验按复用范围组织为三层记忆，并为记忆记录适用范围、类型、可信度和支撑证据。新经验需要经过验证后才能提高可信度；相互冲突的记录会被保留和隔离，避免偶然成功污染已有能力。
记忆机制中包含Recipe，也就是可迁移的任务方案，而不是某一次执行中的固定坐标。例如系统记录“先根据任务描述和当前画面确认目标，再调整夹爪位置，调用VLA完成抓取，并检查抓取结果”，物体位置改变时智能体重新观察环境，再复用相同逻辑。
探索模式允许更新记忆；评测模式只读使用已经冻结的经验。在LIBERO-Pro Goal实验中，引入记忆机制后，RPent在位置交换任务中的成功率从 31.0% 提升至 87.0%。
RPent支持记忆资产分发，一次探索产生的经验可以同步至其他智能体。
- 记忆记录适用范围、类型、可信度和支撑证据，新经验需验证后才提高可信度。
- 冲突记录保留并隔离，避免偶然成功污染已有能力。
- Recipe记录可迁移的任务方案，不记录某次执行的固定坐标。
- LIBERO-Pro Goal位置交换任务成功率从 31.0% 提升至 87.0%。
Flash Mode的加速数据与Leaderboard
Flash Mode的核心载体是任务卡。在探索阶段，规划器可以调用大模型、VLA和程序化技能尝试不同动作组合，并将成功且经过验证的任务流程压缩为Task Card。进入Flash Mode后，系统优先按Task Card执行：视觉模块重新定位关键物体，执行模块根据当前状态调整动作；只有在检查失败、环境偏离或流程无法继续时，才重新调用规划器。
在LIBERO Object的 200 次评测中，开启Flash Mode将平均执行时间从 283.6 秒降低至 40.9 秒，在成功率仅下降 3.5 个百分点的情况下实现约 7 倍加速。
RPent推出了Leaderboard板块，展示不同技术路线、不同基座模型的性能与延时对比。性能榜目前展示LIBERO-Pro、LIBERO、RoboCasa365 Target50与RoboTwin；延时榜展示LIBERO-Pro、RoboCasa365与RoboTwin。
根据量子位刊载的数据，在更强调指令变化、布局变化和长程执行的LIBERO-Pro上，RPent/GPT-6 Astra达到 92.63%，比第二名RPent/Opus-4.7的 82.4% 高出 10.23 个百分点，比 π_RLinf的 50.0% 高出 42.63 个百分点。在RoboCasa365 Target50的厨房长程任务中，RPent/GPT-6 Astra达到 59.20%，位列第一，高于RPent/GPT-5.5的 57.1%。其余榜单中，RPent/Opus-4.7在LIBERO达到 96.0%，RPent/GPT-5.5在RoboTwin达到 62.4%。
- LIBERO Object 200次评测：执行时间从 283.6 秒降至 40.9 秒，成功率下降 3.5 个百分点。
- LIBERO-Pro：RPent/GPT-6 Astra 92.63%，RPent/Opus-4.7 82.4%，π_RLinf 50.0%。
- RoboCasa365 Target50：RPent/GPT-6 Astra 59.20%，RPent/GPT-5.5 57.1%。
- LIBERO：RPent/Opus-4.7 96.0%；RoboTwin：RPent/GPT-5.5 62.4%。