RLinf/RPent

해결하는 문제

RPent은 신체를 가진 에이전트(로봇)가 장기적인 조작 작업을 더 신뢰성 있게 수행할 수 있도록 하는 문제를 해결합니다. 고정된 비전-언어-행동(VLA) 모델만으로는 복잡한 작업을 처리하기 어려운 한계를, 추론, 기억, 자기 진화 능력을 제공하는 에이전트 프레임워크로 보완함으로써 해결합니다.

작동 방식

RPent은 인지, 추론, 기억, 실행, 자기 진화와 같은 다양한 AI 기능을 조합 가능한 서비스로 취급하는 재귀적 에이전트 프레임워크입니다. 고정된 VLA 모델을 안정적인 조작 원시형으로 다루기 위해 "에이전트 플래너"(예: Claude Code 또는 Codex)를 사용하여 제어합니다. 시스템은 지속적인 상호작용, 반성, 적응의 루프를 통해 작동하며, 기억 기반의 상호작용을 통해 새로운 능력을 습득하고 초기 설계를 초월해 진화할 수 있도록 합니다.

대상 사용자

• 장기적인 조작 작업에서 높은 성공률을 추구하는 신체적 지능 연구자
• 자기 진화 에이전트와 기억 정제 루프를 연구하는 온라인 및 강화학습 연구자
• 실제 하드웨어(예: Franka 암)에 솔루션을 배포하기 위한 표준화된 서비스 기반 아키텍처가 필요한 로봇 애플리케이션 개발자
• 깊은 머신러닝 전문 지식 없이 사전 정의된 로봇 작업을 즉시 실행하고 싶은 최종 사용자

주요 특징

• 광범위한 호환성: 여러 시뮬레이터(LIBERO-PRO, RoboCasa, RoboTwin, RoboDojo)와 실제 하드웨어(Franka 단일 및 이중 암)를 지원합니다.
• VLA 활용: 고정된 VLA를 신뢰할 수 있는 조작 원시형으로 유도하도록 특별히 설계되었습니다.
• 재귀적 진화: 반성과 물리 세계와의 재귀적 상호작용을 통해 에이전트가 진화할 수 있습니다.
• 개발자 도구: 실시간 조작을 위한 인터랙티브 CLI와 추론, 카메라 뷰, 액션 타임라인을 스트리밍하는 라이브 대시보드를 포함합니다.