清華與無問芯穹開源具身智能基礎設施 RPent，整合 GPT-6 Astra 於 LIBERO-Pro 成功率達 92.6%

清華大學、無問芯穹與正行創新聯合開源具身智能體基礎設施 RPent，將 GPT-6 Astra 等通用大模型的任務理解與規劃能力，與 VLA、WAM 等專家模型的精細操作能力結合，形成從感知、決策、執行到反饋糾錯的閉環。 RPent 採用模組化架構，分為用戶層、智能層、接口層與環境層。系統透過 MCP 統一描述可調用能力，以 RPC 連接工具與設備，並透過 MHS 提供物理設備的讀寫與控制抽象。目前已支援 LIBERO-PRO、RoboCasa、RoboTwin、RoboDojo 等模擬環境，以及 Franka、雙臂 Franka、YAM、SO101 等真實機器人設備。 系統內建記憶機制，可將驗證過的任務方案（Recipe）沉澱為三層記憶。在 LIBERO-Pro Goal 實驗中，引入記憶機制使位置交換任務的成功率從 31.0% 提升至 87.0%。此外，RPent 提供 Flash Mode，將成功流程壓縮為任務卡（Task Card）以避免重複調用大模型。在 LIBERO Object 評測中，開啟 Flash Mode 將平均執行時間從 283.6 秒降至 40.9 秒，提速約 7 倍，成功率僅下降 3.5%。 官方 Leaderboard 數據顯示，RPent 搭配 GPT-6 Astra 在 LIBERO-Pro 基準測試中任務成功率達 92.63%，高於第二名 RPent/Opus-4.7 的 82.4%。另據量子位同事件報導補充，相關測試中出現 97% 嘗試危險行為的數據。