清华联手无问芯穹等开源RPent，具身智能体成功率92.6%

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。RPent由大规模具身强化学习框架RLinf的核心团队打造，延续了该团队在具身智能基础设施领域的技术积累。

在演示视频中，RPent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，还会主动移开遮挡物，找到藏在碗下的勺子。这些任务并非为每种场景单独训练专用策略，机器人开始从执行学过的动作，走向理解任务、调用能力，并根据环境变化调整行动。例如面对同一只蓝色盘子，冻结VLA会沿用训练时学到的动作将其错误放入金属篮中，而RPent会先观察环境，再根据新目标选择放置位置，并在视觉定位出现偏差时检查结果、重新定位。

RPent还能复用已有能力：将原本用于拿起并放置容器的技能重新组合用于倾倒钢珠，又把抓取动作与双臂协同、持续接触组合起来完成持盘、擦拭和收纳。探索成功后，RPent会把经过验证的任务逻辑沉淀为任务卡，再次执行时启用Flash Mode直接复用流程，仅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，有效降低执行延时。