2026年10月29日

RPent v0.1 发布：构建面向物理世界的具身智能体统一基础设施

随着具身智能技术持续发展，机器人走向自主理解任务并执行复杂操作。

在这过程中，通用大模型负责理解目标、拆解任务和制定计划，VLA 等专家模型负责将决策转化为精细动作，感知与反馈机制帮助机器人根据环境变化调整执行策略，记忆系统积累并复用成功经验。如何统一连接不同模型、工具与机器人，形成统一、可扩展的任务执行闭环，成为具身智能系统发展的重要课题。

由无问芯穹、清华大学、正行创新联合开源的具身智能体基础设施 RPent（Recursive Physical Agent），正式发布 v0.1 版本。RPent 通过开放式模块化架构与统一工具接口，构建覆盖任务规划、物理执行、环境反馈和经验复用的完整链路。v0.1 版本进一步开放多模型、多仿真环境与真机平台接入能力，支持使用 Codex、Claude Code 等 Agent Harness 进行任务规划，并提供 Memory、Flash Mode、交互式 CLI 与 Web Dashboard，形成可运行、可评测、可扩展的具身智能体基础设施。

在实际验证中，RPent v0.1 在双臂 Franka、YAM 等真实机器人平台上完成餐具整理、物体操作、视觉识别与分类收纳等任务。在公开基准评测中，基于 GPT-6 Astra 在 LIBERO-PRO 上达到 92.63% 的任务成功率；通过 Flash Mode 复用成功任务流程，在 LIBERO-PRO 评测中实现约 6.8 倍执行加速。

开源地址：https://github.com/RLinf/RPent

01 开放架构与统一接口

RPent 的核心设计思路，是将智能体拆分为不同层次的能力模块，通过标准化接口进行组合，让通用大模型负责高层规划，让专家模型与动作原语承担具体执行，再由框架连接模型、工具和物理环境，形成完整的任务执行闭环。

模块化：采用开放的模块化设计，将系统划分为用户层、智能层、接口层和环境层四大层级。在用户层，可以通过交互式命令行或 Web Dashboard 下达任务，并查看视觉输入、推理过程和动作轨迹。智能层中的规划器结合基础模型、Memory 与工具库拆解任务，动作原语则把 VLA 和解析式原语封装成可调用工具。在环境层和接口层，机器人控制、模型服务和仿真环境可以独立部署，通过轻量级通信连接。上层任务逻辑不必绑定某一种机器人或仿真器，新增设备只需实现标准动作、状态与环境接口。

统一接口：RPent 将 VLA 模型与解析式动作原语封装为统一工具，让规划器可以根据任务目标选择合适的执行能力。通过 MCP 或原生工具调用，规划器能够调用这些工具；通过 RPC，模型服务、机器人控制和仿真服务可以在本地或远程独立部署。

02 让成功经验沉淀为可复用能力

在复杂物理任务中，智能体往往需要反复进行任务规划、工具调用与动作执行。如何避免重复探索相似任务，让已有经验真正服务于后续执行，是提升具身智能体效率的重要方向。

RPent v0.1 引入 Memory 记忆系统与 Flash Mode 快速执行模式，探索从单次任务执行向经验积累、组织与复用的转变。

Memory 积累与复用任务经验：RPent v0.1 将探索与评测模式区分开来——探索模式允许生成和更新记忆，评测模式则只读使用已有经验，便于开展可复现的测试。系统还支持记忆校验、合并与索引更新，并开放任务经验与任务卡数据集，为不同智能体复用已有经验提供基础。
Flash Mode 用任务卡加快执行：Flash Mode 将成功流程整理为任务卡，任务卡可以记录任务阶段、动作原语、关键目标与检查条件。进入 Flash Mode 后，系统优先按照任务卡执行，根据当前视觉观测重新定位物体，并调整动作目标。在 LIBERO-PRO 的 800 回合评测中，成功率为 72.63%，平均耗时 60.19 秒，较 Codex + GPT-6 Astra（low reasoning）实现约 6.8 倍加速。

03 从仿真到真机多环境验证

多仿真环境评测

RPent v0.1 发布了公开具身智能评测 Leaderboard，展示不同模型与系统配置在多个基准上的表现，并提供评测配置、成功率、执行耗时与 Token 开销等信息。使用 GPT-6 Astra 的 RPent 在 LIBERO-PRO、RoboCasa365 Target50 上分别达到 92.63%、59.20% 成功率；使用 GPT-5.5 的 RPent 在 RoboTwin C2R 上达到 62.4%。

真机验证

RPent 已在双臂 Franka 和 YAM 等真实机器人平台上完成多项任务验证。

双臂 Franka：在演示任务中，双臂 Franka 根据任务目标调整餐具放置位置，并完成倾倒钢珠、持盘擦拭和物品收纳等操作。

YAM：演示了根据品牌标签分拣饮料、检查抓取状态，以及移开遮挡物寻找勺子等任务。

发布版本专项测试

除公开基准成绩外，RPent v0.1 还进行了针对发布版本的专项验证。

测试包括：

180 回合发布版本仿真测试： 在 LIBERO-PRO、RoboCasa365 和 RoboTwin 上分别完成 80、50、50 回合测试。
15 回合 Memory 复用验证： 在三类仿真环境中验证环境安装、探索生成记忆与重启后复用流程。
180 回合论文配置抽样复现： RPent 首篇研究论文 Harness VLA 探索通过任务记忆组合 VLA 模型与解析式动作原语，在无需更新 VLA 模型权重的情况下，提升智能体对任务变化、环境扰动及多步骤操作的适应能力。<https://arxiv.org/abs/2607.08448> 本次采用 Harness VLA 配套代码与 Memory，在相同环境及任务范围内进行抽样复现，在多个任务上达到 SOTA。
真机任务验证： 在双臂 Franka 与 YAM 平台完成三项任务验证。
RoboDojo 运行检查： 完成环境安装与单次任务运行检查，验证安装和运行流程。

完整基准成绩与评测配置见 Leaderboard <https://rpent.readthedocs.io/zh-cn/latest/rst_source/leaderboard/performance.html>。

04 开放开发者工具链

RPent v0.1 不仅开放核心框架，也提供模型、仿真环境、真实机器人、交互工具与记忆数据等配套能力，帮助开发者从运行第一个任务开始，逐步开展探索、评测与系统扩展。

多模型支持

规划器与模型：支持 Codex、Claude Code 和 RPent 内置规划器，可接入 Claude、GPT、Qwen 等模型，并按规划器配置推理强度、规划轮数上限和超时时间。规划器还可直接输出动作控制数值，由环境执行。
VLA 模型：支持 Pi0.5（LIBERO、RoboDojo、双臂 Franka、YAM）、RLDX-1（RoboCasa365）和 LingBot-VLA（RoboTwin）。
感知模型：支持 SAM3 目标分割和 Molmo2-8B 视觉定位，结合深度与相机信息确定目标位置。

仿真环境

LIBERO、LIBERO-PRO：覆盖 Spatial、Object、Goal 和 LIBERO-10 任务族，支持指令与场景布局扰动，以及探索、记忆复用评测和 Flash Mode。
RoboCasa365：支持 PandaOmron 移动机械臂的导航、底盘移动与机械臂操作，提供 Target50 评测配置。
RoboTwin：接入双臂仿真，支持 demo_clean、demo_randomized 场景、多相机观测和 50 个任务的评测配置。
RoboDojo：仿真器基于 Isaac Sim / IsaacLab，采用 ARX-X5 双机械臂平台。当前支持安装。

真机平台

单臂与双臂 Franka：支持机械臂与夹爪控制、多相机观测和手眼标定。单臂可接入外部 VLA 抓取服务；双臂提供抓取、交接和放置技能，支持双节点部署与操作员参与的探索。两者均支持重放经人工审阅的 Flash 任务卡，并由操作员确认结果。
YAM：支持双臂末端运动、腕部旋转、夹爪控制和多相机观测，并接入 Pi0.5 动作模型。可通过终端或 Dashboard 开展探索、接收人工反馈并保存经验。

系统扩展能力

扩展接口：支持接入新机器人、模型和工具，复用服务通信、任务执行与记忆管理组件。
交互式 CLI 与 Dashboard：支持任务交互与运行记录保存；Dashboard 可展示规划过程、工具调用、相机画面和动作时间线，并提供中英文界面。
服务部署：模型与环境服务可独立部署在本地或远程，连续任务可复用已启动的模型服务。
Memory：提供公开的任务经验与任务卡数据集，支持本地记忆校验、合并和索引更新，方便不同智能体复用已有经验。

开源已上线，欢迎开发者参与共建

RPent v0.1 已正式开放。

开发者可以从 LIBERO-PRO 快速开始，完成环境安装、模型权重配置与规划器接入，运行第一个具身智能体任务；也可以进一步探索 Memory 经验积累、Flash Mode 任务加速及真实机器人部署。

期待与开发者共同探索，让具身智能体更高效地理解任务、积累经验并与真实物理世界交互。

RPent 使用文档：<https://rpent.readthedocs.io/zh-cn/latest/index.html>

附录｜RPent v0.1 发布版本测试与复现

RPent v0.1 在 LIBERO-PRO、RoboCasa365 和 RoboTwin 上完成 180 回合发布版本测试、180 回合论文配置抽样复现及 15 回合 Memory 复用测试，并在双臂 Franka 和 YAM 上完成三项真机任务验证。

每个任务在一个指定 seed 下运行一次，计为一个测试回合。仿真任务采用环境原生成功判定，失败及超时均计入测试回合数。成功率按成功回合数占比计算；发布版本测试与论文复现的耗时和 Token 用量为每回合平均值，汇总按回合数加权计算。本节为所选任务的发布验证结果，完整基准成绩见文末 Leaderboard。

1. 发布版本仿真测试

使用 RPent release/v0.1 和 HF Memory release/v0.1，评测期间只读 Memory。

1.1 LIBERO-PRO

使用 Codex + GPT-6 Astra（low）和 Pi0.5。覆盖 Spatial、Object、Goal 和 LIBERO-10 的 Task 与 Swap 共 8 个套件，每套件选择 2 个任务，每任务运行 seed 1 至 seed 5，共 80 回合。

1.2 RoboCasa365

使用 Codex + GPT-6 Astra（low）和 RLDX-1。覆盖 3 个 Atomic 任务，每个任务运行 seed 1 至 seed 10；4 个 Composite 任务，每任务运行 seed 1 至 seed 5，共 50 回合。

1.3 RoboTwin

使用 Codex + GPT-5.5（xhigh）和 LingBot-VLA。在 demo_randomized 场景下测试 10 个任务，每个任务使用 5 个已验证的场景 seed，共 50 回合。

2. 安装、探索与 Memory 复用验证

在 LIBERO-PRO、RoboCasa365 和 RoboTwin 上验证环境安装、探索生成记忆及重启后复用流程，每个环境使用 5 个 seed 测试，共 15 回合。成功率仅统计记忆复用阶段，探索回合单独记录。

LIBERO-PRO 与 RoboCasa365 使用 seed 0 探索、seed 1 至 seed 5 测试；RoboTwin 在 demo_clean 中探索，在 demo_randomized 的 seed 100000、100001、100003、100004、100005 上测试。表中耗时与 Token 用量对应探索阶段。