概览#

RPent（Recursive Physical Agent） 是一个开源框架，用于构建能够在与物理世界的递归交互中持续演进的具身智能体。RPent 不限定基础模型的选择，而是提供一套递归的智能体框架，将感知（perception）、推理（reasoning）、记忆（memory）、执行（execution）和自我演进（self-evolution）等不同类型的智能能力整合到统一的物理智能体中。物理智能体在持续交互中不断反思和调整，从而获得新能力，逐步突破初始设计的能力边界。

Pent 这个名字源自五芒星 (Pentagram), 其五个顶点象征多模态智能融合为一个 统一的具身智能体。五芒星的中心是无穷符号 (∞), 代表感知、推理、执行、 自我演进永无止境的递归循环, 让智能持续向物理世界扩展。

RPent 框架图

RPent 建立在三条核心设计原则之上: 服务化、标准化、可组合 (service-oriented, standardized, and composable)。RPent 把各种能力以 可复用服务的形式部署, 通过统一接口连接, 并灵活组合成多样的物理智能体。 这三条原则让 RPent 超越了传统的机器人控制框架, 成为面向物理世界的 智能体基础设施 (agentic infrastructure for the physical world) —— 在这里, 智能不只是被部署, 而是被持续构建、扩展与演进。

基准测试结果#

对比 LIBERO、LIBERO-PRO、RoboCasa365 Target50 和 RoboTwin C2R 上的成功率。 排名仅限图中方法及评测范围；完整结果、模型配置和来源见 RPent 排行榜。

RPent benchmark results RPent benchmark results

功能矩阵#

Agentic Planner

动作原语

仿真环境

真实机器人

  • Franka

  • SO-101

接下来#

  • 初次使用 RPent？先完成 安装，再按照 快速开始 端到端运行一个 LIBERO 任务。

  • 想使用某个具体的机器人环境？查看对应的使用教程，例如 LIBERO。

  • 想切换 planner？查看 Agentic Planner。

  • 打算基于 RPent 扩展？看 系统说明。