LIBERO-PRO 92.6%、任务提速 7 倍：RPent 把「通用大模型当大脑」从 demo 变成了基础设施
清华、无问芯穹、正行创新联合开源具身智能体基础设施 RPent：通用大模型做规划、VLA 做执行、记忆沉淀任务卡——一条与端到端 VLA 正面对撞的路线，今天给出了第一份可复现的开源答卷。
- 今日开源：9 月 21 日，清华大学、无问芯穹、正行创新联合开源具身智能体基础设施 RPent，代码在 github.com/RLinf/RPent，由大规模具身强化学习框架 RLinf 的核心团队打造。
- 两项指标：LIBERO-PRO 基准测试任务成功率 92.6%，端到端任务完成速度优化 7 倍以上。
- 架构核心：通用大模型负责任务理解与规划，VLA 等专家模型负责精细操作，记忆系统把验证过的经验沉淀为可复用的任务卡，框架负责连接模型、工具与真实环境。
- 真机行为变化：任务从「放餐具入箱」变成「放干净餐具入纸箱」时，智能体会重新选择放置位置；视觉定位出错会自查重定位；勺子被碗挡住会先移开碗——不是写死的动作序列。
- 与 GPT-6 Astra 同框：数字世界的智能体范式正在走进物理世界，RPent 补的是「大模型当大脑」缺少的执行与记忆那一层。
数字世界的智能体已经有成熟配方：大模型理解目标、拆解任务、调用工具、根据执行结果调整计划。把这套配方搬到物理世界会遇到四个新问题——看得见、做得到、反应快、记得住。环境持续变化、状态无法完全观测、动作发生就难撤销，抓取装配插拔等精细操作还需要专门的控制能力。只靠一个端到端 VLA 把感知到动作一次映射完，目前仍难以覆盖长链条任务；只靠大模型规划，又缺能落地的执行层。
RPent 的答案是分层编排：通用大模型负责「想」，VLA、WAM 等专家模型负责「做」，记忆系统负责「记」，框架负责把四者连成「感知—决策—执行—反馈纠错」的闭环。关键设计是任务卡：探索成功的任务逻辑会被沉淀为任务卡供下次复用，直接降低后续执行的延时。这就是「记得住」落到工程上的形态——不是把经验蒸进权重，而是把经验存成可调用的结构。
同步释出的真机演示里，真正值得看的不是任务完成，而是失败恢复与技能重组。其一，任务指令从「将餐具放入纸箱」变化为「将干净餐具放入纸箱」时，冻结的 VLA 会沿用训练时学到的动作把盘子错放进金属篮，而 RPent 会先观察环境、按新目标选择放置位置，发现视觉定位偏差还会检查结果、排除错误目标、重新定位——这是闭环对单次映射的胜利。其二，抓瓶子先小幅试抬确认夹稳，原路径不可行就调整腕部姿态继续；勺子被碗遮挡时不直接抓，先移开碗。其三，把「拿起并放置容器」的技能重组用于倾倒钢珠，把抓取与双臂协同、持续接触组合完成持盘、擦拭和收纳。
三个细节指向同一个判断：具身智能体从「执行学过的动作」走向「理解任务、调用能力、按环境调整行动」，靠的不是更大的模型，而是模型之间的分工与记忆的外置。这也解释了为什么两项数字里「提速 7 倍」比 92.6% 更值得注意——任务卡复用直接砍掉的是每次探索的重复计算。
通用大模型规划 + VLA 执行 + 记忆任务卡复用。新任务靠重组已有技能与在线纠错，经验存为可调用结构，改任务不用重训模型。
感知到动作一次映射，靠大规模预训练换泛化。Figure Helix 2.5 在 30 个陌生家庭的零样本成功率 8%→56%（本站 167 号稿），宇树 WLA-1.0 用 60 亿参数覆盖 64 项操作（本站 182 号稿）。
把 RPent 放进近两周的坐标系里看会更清楚：9 月 17 日 Figure 发布 Helix 2.5，赌的是「大规模人类视频预训练 + 端到端」能随数据量单调变强；9 月 20 日 NVIDIA 参与的 Hydra-0 论文（本站 194 号稿）提醒世界模型的评测应该看动作流误差而不是 VLM 打分；9 月 21 日 RPent 开源，给出的是第三条路的工程底座——承认 VLA 是专家执行器，在上面再架一层规划与记忆。三条路线分别押注数据规模、评测标准和系统编排。
对系统集成商和二次开发团队来说，RPent 这类开源基础设施的实际意义可能大于榜单数字：它把「换大脑」变成可组装的工程问题——大模型可以换成国产模型，VLA 可以换成自研策略，记忆层决定机器人是否越用越顺手。LIBERO-PRO 是仿真基准，92.6% 不等于真实家庭或产线的成功率，这一点发布方也没有回避：真机 demo 展示的是开放式任务的行为质量，而非统计意义上的成功率。