9月21日消息，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。

据了解，此次发布同步释出了一系列RPent 真机demo，展示了多个有趣的开放式任务，这些任务并不是为每一种场景单独训练一个专用策略。机器人真正发生的变化，是开始从“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，当任务变化为“将干净餐具放入纸箱”时，在 RPent 中，智能体会先观察当前环境，再根据新的目标选择放置位置。执行过程中，如果视觉定位出现偏差，它还会检查结果、排除错误目标，并重新定位手中的盘子。

据悉，RPent 核心设计思路是让模型各自承担擅长的事，通用大模型负责理解任务、制定计划；VLA、WAM 等专家模型负责高精度动作执行；记忆系统沉淀经验，推动智能体持续优化；框架负责连接模型、工具与真实环境，形成闭环。形成“观察—规划—执行—反馈—再规划”的闭环，让智能体从一次性执行任务，走向在真实世界中持续成长。（韩蕾）