清华与无问芯穹等开源具身智能体 RPent：让 GPT-6 Astra 操控机器人硬件

清华大学、无问芯穹与正行创新联合开源具身智能体基础设施 RPent，通过分层架构将通用大模型决策与物理硬件操作连接起来。

• 采用用户层、智能层、接口层和环境层四层架构，连接大模型任务规划与 VLA 等底层运动控制。
• 提出 Flash Mode 与任务卡（Task Card）机制，在 LIBERO Object 评测中将平均执行时间从 283.6 秒缩短至 40.9 秒。
• 引入三层记忆系统沉淀经验，基准测试中在位置扰动任务下的成功率由 31.0% 提升至 87.0%。
• 在 LIBERO-Pro 基准中配合 GPT-6 Astra 达到 92.63% 的任务成功率，并支持 Franka 等实体机械臂与多种仿真器。
• 影响/看点：RPent 的模块化与记忆机制为大模型接入物理硬件提供了工程化方案，但在真实工业场景中的落地仍取决于多传感器融合与极端物理扰动下的容错能力。
• 资料依据：
• 量子位（2026-09-21）：https://www.qbitai.com/2026/09/493218.html
• GitHub 开源仓库（2026-09-21）：https://github.com/RLinf/RPent
• arXiv 论文（2026-07-16）：https://arxiv.org/abs/2607.08448

本内容由 AI 生成，仅供参考，请注意甄别