RLinf/RPent

它解决了什么问题

RPent 旨在弥合高层推理与底层机器人控制之间的差距。它提供了一个构建具身智能体的框架，这些智能体能够通过与物理世界的递归交互持续进化并获得新能力，而不是依赖单一静态的基础模型。

它如何工作

RPent 采用服务化、标准化且可组合的架构。它将异构智能体——包括感知（例如 SAM 3.0）、推理（通过 Claude Code 或 Codex 等规划器）以及执行（通过视觉-语言-动作模型如 Pi0.5）——整合为一个统一的智能体。该框架允许这些能力以可重用的服务形式部署，并通过统一接口连接，使智能体能够基于物理交互进行反思与适应。

适用对象

该框架适用于从事具身人工智能、机器人技术以及复杂操作任务智能体开发的研究人员和开发者，这些任务既可在模拟环境（如 LIBERO-PRO 和 RoboCasa）中完成，也可在真实世界中通过硬件（如 Franka 和 SO-101）实现。

主要亮点

• 模块化架构：能力被视为可重用的服务，使系统具备可组合性和灵活性。
• 跨平台支持：可在多个模拟器（LIBERO-PRO、RoboCasa）和真实机器人硬件上运行。
• 智能体规划：支持多种高层规划器，包括 Claude Code 和 Codex，用于引导智能体行为。
• 集成工具：包含一个实时仪表板，用于流式传输推理过程、摄像头视图和动作时间线，以及一个交互式 CLI，支持实时操控。

一个能够通过递归物理交互持续进化的具身智能体基础设施，结合高层推理与 VLA 模型实现机器人控制。 — @rpent