RLinf/RPent

解决的问题

RPent 解决了使具身智能体（机器人）更可靠并能够处理长时程操作任务的挑战。它通过将冻结的视觉-语言-动作（VLA）模型封装在一个提供推理、记忆和自我进化能力的智能体框架中，克服了仅靠固定 VLA 模型在处理复杂任务时常遇到的局限性。

工作原理

RPent 是一个递归智能体框架，将感知、推理、记忆、执行和自我进化等各类 AI 能力视为可组合的服务。它使用 "智能体规划器"（如 Claude Code 或 Codex）来引导冻结的 VLA 模型，将 VLA 视为可靠的操纵原语。系统通过持续的交互、反思和适应循环运行，使智能体能够通过记忆引导的交互获得新能力，并超越其初始设计进行进化。

适用人群

• 具身智能研究者：专注于长时程操作任务中实现高成功率。
• 在线与强化学习研究者：研究自我进化智能体和记忆蒸馏循环。
• 机器人应用开发者：需要一种标准化、面向服务的架构，以在真实硬件（如 Franka 机械臂）上部署解决方案。
• 终端用户：希望无需深入机器学习知识即可开箱即用运行预定义的机器人任务。

核心亮点

• 广泛兼容性：支持多种模拟器（LIBERO-PRO、RoboCasa、RoboTwin、RoboDojo）和真实硬件（Franka 单臂与双臂）。
• 高效利用 VLA：专为将冻结的 VLA 引导为可靠的操纵原语而设计。
• 递归进化：支持智能体通过反思和与物理世界的递归交互实现进化。
• 开发者工具：包含用于实时操控的交互式 CLI 和用于流式传输推理过程、摄像头视图与动作时间线的 Live Dashboard。