GPT-6 Astra开进机器人身体！清华联手无问芯穹等开源RPent

据量子位报道，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，代码已在GitHub公开（https://github.com/RLinf/RPent）。项目面向真实物理世界，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、执行到反馈纠错的完整闭环。

这一时间点并非偶然。报道提到，随着GPT-6 Astra开始接受真实机器人操作测试，让大模型作为决策大脑的智能体范式正逐渐走向物理世界。但机器人面对的不是可以随时回滚的代码：环境持续变化、状态无法完全观测，动作一旦发生也很难轻易撤销，抓取、装配、插拔等精细操作更需要专门的模型与控制能力。

性能方面，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。项目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。

真机演示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。值得注意的是，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。

效率的关键是Flash Mode与任务卡。探索成功后，RPent会把经过验证的任务逻辑沉淀为任务卡，记录任务阶段、动作原语、关键目标和检查条件，而不保存只能在一次场景中使用的固定坐标；再次执行时启用Flash Mode复用这套流程，只根据当前视觉状态做必要调整，只有检查失败或环境偏离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。

另一根支柱是记忆。RPent把经验按复用范围组织为三层记忆，并为每条记忆记录适用范围、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。在LIBERO-Pro Goal实验中，引入记忆机制后，位置交换任务的成功率从31.0%提升至87.0%，记忆资产还可以分发到其他智能体。

架构上，RPent分为用户层、智能层、接口层和环境层，智能层由Agentic Planner与Action Primitive组成，把VLA、WAM等学习型操作模型和程序化技能统一封装为可调用工具。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，并通过MCP、RPC、MHS三层接口把智能决策与物理执行解耦。

从技术路线看，纯VLA端到端精细操作做得好，但任务变长、场景被扰动时容易退化；纯大模型Agent在亚厘米级精度、执行时延和越用越强这几件事上仍有短板。RPent没有在两条路线之间折中，而是将具身智能拆解为不同层次的能力，让通用大模型负责理解任务与制定计划，VLA、WAM等专家模型负责高精度动作执行，记忆系统沉淀经验，框架负责连接模型、工具与真实环境。背后的算法源于团队7月提出的Harness VLA工作。

接下来值得观察的是生态层面：RPent同时推出Leaderboard板块，用不同技术路线、不同基座模型的方案对比性能；开源之后，社区能否跨机器人复用任务卡与记忆资产，把具身智能体的能力从一次性部署推向持续演进，将决定这套基础设施的实际价值。