RLinf/RPent

何を解決するか

RPentは、高レベルの推論と低レベルのロボット制御の間のギャップを埋めるために設計されています。単一の静的な基盤モデルに依存するのではなく、物理世界との再帰的な相互作用を通じて、継続的に進化し、新しい能力を獲得できるエンボディド・エージェント（身体性を持つエージェント）を構築するためのフレームワークを提供します。

仕組み

RPentは、サービス指向、標準化、および構成可能なアーキテクチャを採用しています。知覚（例：SAM 3.0）、推論（Claude CodeやCodexなどのプランナー経由）、および実行（Pi0.5のようなVision-Language-Actionモデル経由）を含む異種混合のインテリジェンスを、統一されたエージェントに統合します。このフレームワークにより、これらの能力を統一されたインターフェースを通じて接続された再利用可能なサービスとしてデプロイすることができ、エージェントが物理的な相互作用に基づいて内省し、適応することを可能にします。

対象者

このフレームワークは、エンボディドAI、ロボティクス、および、シミュレーション環境（LIBERO-PROやRoboCasaなど）と実世界（FrankaやSO-101などのハードウェアを使用）の両方で複雑な操作タスクを実行できるエージェントの開発に取り組んでいる研究者や開発者を対象としています。

ハイライト

• モジュール式アーキテクチャ: 能力は再利用可能なサービスとして扱われ、システムは構成可能で柔軟です。
• クロスプラットフォーム対応: 複数のシミュレータ（LIBERO-PRO、RoboCasa）および実世界のロボットハードウェアに対応しています。
• エージェンティック・プランニング: エージェントを制御するために、Claude CodeやCodexを含む様々な高レベルプランナーをサポートしています。
• 統合されたツール群: 推論、カメラビュー、およびアクションタイムラインをストリーミングするためのライブダッシュボード、およびライブ制御のためのインタラクティブなCLIが含まれています。