GPT-6 Astra开进机器人身体！清华联手无问芯穹等开源RPent，92.6%成功率还快7倍
量子位报道清华、无问芯穹与正行创新联合开源的具身智能体基础设施 RPent：它把大模型规划、VLA 精细操作与三层记忆接到一起，在 LIBERO-PRO 上取得 92.63%，并用任务卡把平均执行时间从 283.6 秒压到 40.9 秒。
转载说明：本文转载自微信公众号「量子位」官方账号（biz_id：MzIzNjc1NzUzMw），原文发表于 2026 年 9 月 21 日 12:42，作者署名「允中 发自 凹非寺 量子位 | 公众号 QbitAI」，原文页注明「本文系量子位获授权刊载，观点仅为原作者所有」。原文链接：[量子位微信公众号原文](http://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw&mid=2247925552&idx=1&sn=5f913fee8d89c1f0fcdd0c6bc7ee6b00)，同题文章另见量子位官网 qbitai.com。
大模型已经能在数字世界里连着干活：理解目标、拆解任务、调用工具，再按执行结果调整计划。同一套智能体范式搬到机器人身上，难度就换了一个量级——环境持续变化，状态看不全，一次失败的抓取要重新布置场景，做出去的动作也收不回来 1。
9 月 21 日，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，代码托管在 GitHub 的 RLinf 组织下 2。RPent 把四样东西接在一起：通用大模型的任务理解与规划能力、VLA（视觉—语言—动作模型）等专家模型的精细操作能力、沉淀经验的记忆系统，以及工具与机器人接口，串成从感知、决策、执行到反馈纠错的闭环 1。
量子位原文给出的成绩是：RPent 在 LIBERO-PRO 基准上的任务成功率为 92.6%，端到端任务完成速度优化 7 倍以上 1。这套框架由大规模具身强化学习框架 RLinf 的核心团队打造，背后的算法来自团队 7 月提出的 Harness VLA 工作 3。开源一天后，仓库已有 818 个 star、94 次 fork 和 294 次提交 2。
真机演示：从「会动」到「会做事」
RPent 放出的真机视频里，机器人把钢珠倒进碗里、双臂协同擦盘子，还会主动移开遮挡物，找出藏在碗下的勺子 1。这些任务并没有各自单独训一个专用策略，机器人做的是理解任务、调用已有能力，再根据环境变化调整动作。
三个演示细节能看出它和固定动作序列的差别：
- 把任务换成「将干净餐具放入纸箱」时，冻结的 VLA 沿用了训练时学到的动作，把同一只蓝色盘子放进了金属篮；RPent 先看一遍当前环境，再按新目标挑放置位置，视觉定位出现偏差时还会检查结果、排除错误目标、重新定位手里的盘子。
- 让机器人按瓶身和袋子上的品牌标签分装饮料时，它抓起瓶子会先小幅试抬，确认夹持稳定；原来的运动路径走不通，就调整腕部姿态接着做。
- 目标被碗挡住，它先把两个碗移开，让勺子重新变得可见、可达。
倾倒钢珠用的是原本「拿起并放置容器」的技能，持盘、擦拭和收纳则是把抓取动作与双臂协同、持续接触组合起来。探索成功后，RPent 把验证过的任务逻辑沉淀成任务卡（Task Card）；再次执行时启用 Flash Mode 直接复用这套流程，只按当前视觉状态做必要调整，不必每一步都重新调用大模型 1。
两条现成路线各自卡在哪
按原文的梳理，具身智能眼下有两条技术路线 1。
一条是纯 VLA 端到端：用一个视觉—语言—动作模型直接吃下观测、吐出动作，精细操作做得很好，但任务一长、语言一变花、场景被扰动，效果就迅速退化。
另一条是纯大模型 Agent，例如 CAP-X 这类工作。GPT-6 这一代通用模型对具身任务的覆盖率在快速提升，大模型直接输出动作已经能跑通不少任务，短板落在亚厘米级精度、执行时延和「越用越强」这几件事上。
RPent 选择的是分层：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；框架负责连接模型、工具与真实环境 1。
四层架构：谁负责想，谁负责做
RPent 采用模块化的分层设计，把系统分成用户层、智能层、接口层和环境层 1。
用户层提供类似 Claude Code、Codex 的交互式命令行，另有可选的 Web Dashboard，用来看智能体的推理过程、视觉输入和动作轨迹。
智能层由 Agentic Planner 和 Action Primitive 两部分组成。前者结合基础模型、Memory 与工具库拆解任务，通过 Agentic Loop 完成「规划—执行—反馈—记忆更新」；后者把 VLA、WAM 等学习型操作模型和 Code as Policy 这类程序化技能统一封装成标准工具，让大模型管理解与规划，专家模型管高精度动作。
接口层把智能体的决策翻译成机器人能执行的指令，动作执行、状态读取、环境渲染和设备复位都走统一接口。环境层负责实际执行，目前覆盖 LIBERO-PRO、RoboCasa、RoboTwin、RoboDojo 等仿真环境，以及 Franka、双臂 Franka、YAM、SO101 等真实设备；新增一台机器人，接进
robots/ 目录即可被框架识别调用 1。智能层与环境层跑在各自独立的进程里，模型服务、机器人控制和仿真环境因此可以单独部署、迁移和重启。官方仓库里，仿真与真机的支持状态也列得清楚：LIBERO-PRO、RoboCasa、RoboTwin 标为已支持，RoboDojo 尚未勾选 2。
用 MCP、RPC、MHS 接住物理设备
数字世界里的 Agent 能干什么，很大程度上取决于它能调用哪些工具，MCP 让大模型用一套统一协议访问搜索、代码、数据库等资源。物理世界里的设备各有各的接口：机器人、相机、传感器、仿真器的控制方式不同，同一件事换一台机器人可能就是另一套做法。每接一种设备就重写一套 Agent，智能体很难规模化扩展，RPent 因此用三层接口把智能决策和设备执行分开 1。
- MCP 统一描述可调用的能力。不管底层是 VLA、程序化技能还是别的工具，规划器都按同一套定义来选、来调。
- RPC 连接工具、模型服务与机器人环境，真实设备、仿真平台、本地进程和远程服务可以各自独立部署。
- MHS 面向更广的物理设备提供统一的读写与控制抽象，目标是从机器人扩展到实验仪器、家庭设备和工业系统。
原文用一句话概括这套设计：让智能体像调用数字工具一样调用物理能力 1。在开源仓库里，规划器一端同时支持 Claude Code、Codex 和自定义方案，动作一端则已经接上 Pi0.5、RLDX-1、LingBot-VLA 等模型 2。
记忆：把一次成功变成可复用的经验
物理世界里试错的成本远高于数字环境：一次失败的抓取要重新布置场景，一次错误操作甚至可能损坏设备。经验如果随任务结束就消失，智能体每次都得从零开始。RPent 的 Memory 系统按复用范围把经验分成三层，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，避免偶然的成功污染已有能力 1。
记忆里存的是 Recipe，也就是可迁移的任务方案，而不是某一次执行中的固定坐标。系统记下的是「先根据任务描述和当前画面确认目标，再调整夹爪位置，调用 VLA 完成抓取，并检查抓取结果」这样一段过程；物体位置变了，智能体重新观察环境，再复用同一套逻辑。探索模式下记忆允许更新，评测模式下只读使用已经冻结的经验，演进过程由此变得更可控。
在 LIBERO-Pro Goal 的位置交换任务里，引入记忆机制后，RPent 的成功率从 31.0% 提升到 87.0% 1。记忆资产还支持分发：一个智能体探索出来的经验可以同步给其他智能体。
Flash Mode：少调用一次大模型
大模型的推理速度远慢于机器人动作执行的速度，等模型生成下一步决策，可能成为整个系统的主要延时来源。RPent 的思路是减少不必要的调用——大量机器人任务的目标和执行逻辑相对稳定，变的往往只是位置、姿态和环境状态，每次都从头规划会产生大量重复推理 1。
探索阶段，规划器可以调用大模型、VLA 和程序化技能尝试不同动作组合，成功且经过验证的流程被压缩成任务卡。任务卡保存的是任务阶段、动作原语、关键目标和检查条件，不保存只在一次场景里可用的固定坐标。进入 Flash Mode 后，系统优先按任务卡执行，视觉模块重新定位关键物体，执行模块按当前状态调整动作；只有检查失败、环境偏离或流程走不下去，才重新调用规划器。
在 LIBERO Object 的 200 次评测里，Flash Mode 把平均执行时间从 283.6 秒降到 40.9 秒，成功率则从 93.00% 降到 89.50%，大约 7 倍加速换来 3.5 个百分点的成功率 1。
榜单上的成绩，要连着配置一起看
榜单上的最好成绩来自规划器用 Codex、基座模型换成 GPT-6 Astra 的配置。在更强调指令变化、布局变化和长程执行的 LIBERO-PRO 上，这个组合拿到 92.63%，比第二名 Claude Code 加 Opus-4.7 的 82.4% 高出 10.23 个百分点，比 π_RLinf 的 50.0% 高出 42.63 个百分点 1。
官方文档把 92.63% 背后的口径写得更细：这个总成绩是 800 次评测中的 741 次成功，由两组互不重叠的批次合并而来——Long 套件 157/200，其余六套 584/600，各套件用的是自己探索后冻结的记忆快照，评测期间不更新 4。同一份榜单上，Flash Mode 配 Molmo2-8B 是 72.63%，纯 VLA 方案 π0.5 是 11.0%、AtomVLA 是 6.3%。
另外三个环境的成绩：
| 环境 | 领先配置 | 成功率 |
|---|---|---|
| RoboCasa365 Target50（厨房长程任务） | Codex + GPT-6 Astra | 59.20% |
| LIBERO | Claude Code + Opus-4.7 | 96.0% |
| RoboTwin | Codex + GPT-5.5 | 62.4% |
表格中的成绩取自 RPent 官方文档榜单；原文另给出两组对照：RoboCasa365 Target50 上，GPT-6 Astra 组合高于 GPT-5.5 组合的 57.1%，也高于小米 Xiaomi-Robotics-1 的 57.4%；LIBERO 上 Opus-4.7 组合的 96.0% 排在 AtomVLA 的 97.0% 之后；RoboTwin 上 GPT-5.5 组合高于 Opus-4.7 组合的 58.4% 与 LingBot-VLA 的 50.4% 4。
原文据此给出的判断是：结果值得关注的地方在于通用模型、专家模型、工具和记忆系统能在同一个框架里协同，而不是某一个模型单独完成了全部控制 1。
这套基础设施想解决什么
机器人要在真实世界里干活，得看见环境、理解任务、调用不同能力、完成精细动作，还要根据反馈调整策略，并把验证过的经验留下来。原文把 RPent 定位成连接模型、工具、机器人与环境的智能中枢，支撑智能体在真实世界中持续运行、积累经验并递归演进，用一句话收尾：从一次任务，到一类任务；从一次执行，到持续进化 1。
这里面还有几件事原文没有给出答案：真机演示的任务数量有限，记忆资产在不同机器人之间的迁移效果、长时间连续运行下的稳定性，以及这些成绩搬到真实产线上的表现，都还没有公开数据。
想自己核对的，原文是量子位公众号 2026 年 9 月 21 日 12:42 发布的《GPT-6 Astra 开进机器人身体！清华联手无问芯穹等开源 RPent，92.6%成功率还快 7 倍》，量子位官网有同题文章；项目代码在 GitHub RLinf/RPent，算法出自论文 Harness VLA，各环境的完整成绩与评测配置见官方文档榜单。
References
- 1GPT-6 Astra开进机器人身体！清华联手无问芯穹等开源RPent，92.6%成功率还快7倍
mp.weixin.qq.com
- 2
- 3
- 4RPent 评测成绩 - RPent 中文文档
rpent.readthedocs.io
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.