LIBERO#

LIBERO 是 RPent 主要使用的仿真基准， 包含一系列基于 MuJoCo/robosuite 的桌面操作任务。RPent 主要使用四个核心基础 任务族（libero_object、libero_goal、libero_spatial、 libero_10）和三个变体（standard、pro、plus）。默认 VLA 是 Pi0.5，由 rpent/robots/components/pi05_vla_server.py 通过 HTTP 提供服务。

VLA 配置#

下载推荐的 SFT checkpoint RLinf-Pi05-LIBERO-130-fullshot-SFT， 再将 PI05_CHECKPOINT_PATH 指向本地 checkpoint 目录：

hf download RLinf/RLinf-Pi05-LIBERO-130-fullshot-SFT \
  --local-dir /path/to/rlinf-pi05-libero-130-fullshot-sft

export PI05_CHECKPOINT_PATH=/path/to/rlinf-pi05-libero-130-fullshot-sft

SAM3 配置#

每次 LIBERO 运行都默认启用 SAM 3.0 分割。从 Hugging Face: facebook/sam3 或 ModelScope: facebook/sam3 下载 sam3.pt，再通过 SAM3_CHECKPOINT_PATH 指定本地 checkpoint：

# Hugging Face（需要先在模型页面申请访问权限）
hf auth login
hf download facebook/sam3 sam3.pt --local-dir /path/to/sam3

# ModelScope（与上面的 Hugging Face 命令二选一）
modelscope download --model facebook/sam3 sam3.pt --local_dir /path/to/sam3

export SAM3_CHECKPOINT_PATH=/path/to/sam3/sam3.pt

任务选择#

运行 LIBERO 任务时，可通过以下参数选择任务：

  • --suite —— 选择要运行的任务套件。完整核心套件列表见 LIBERO-PRO 核心套件一览。

  • --task —— 套件内的任务索引。

  • --seed —— 环境种子。

  • --libero-type —— LIBERO 变体：standard | pro | plus。

LIBERO-PRO 核心套件一览#

下表完整列出 RPent 的四个 LIBERO-PRO 核心任务族及其全部扰动套件。

任务族

基础套件

扰动套件

物体

libero_object

libero_object_task、libero_object_swap、 libero_object_lan、libero_object_object

目标

libero_goal

libero_goal_task、libero_goal_swap、 libero_goal_lan、libero_goal_object

空间

libero_spatial

libero_spatial_task、libero_spatial_swap、 libero_spatial_lan、libero_spatial_object

LIBERO-10

libero_10

libero_10_task、libero_10_swap、libero_10_lan、 libero_10_object

最小命令#

export PI05_CHECKPOINT_PATH=/path/to/rlinf-pi05-libero-130-fullshot-sft

rpent --robot libero \
  --suite libero_object_swap --task 2 --seed 0 \
  --planner claude_code --model claude-opus-4-8

如需切换 planner，请参阅 Agentic Planner。

探索模式与本地 Memory 评测#

RPent 支持两种 LIBERO 运行模式：

  • Exploration 使用可重置的多次尝试和相互独立的 planner session 探索成功策略，并将其提炼为本地 global/suite/task_only 三层 memory corpus。它是 memory 生成流程，不用于统计 benchmark success rate。

  • Evaluation 是默认的单次评测模式，不会 reset episode，也不会更新 memory。使用本地 memory 的 evaluation 会读取 exploration 生成并通过校验的 audit、recipe 和经验。HarnessVLA 的 success rate 在 evaluation mode 下复现。

默认仍为原有单次评测模式。省略 --memory-profile 时，会继续同步并使用 Hugging Face memory 和原有 prompt。两种 profile 都执行相同的单次评测流程； 区别仅在于评测 memory 的来源及所使用的 memory prompt。本地 memory 已准备好后 （例如先执行下文的 exploration 流程），即可使用 local。该选项不会开启 exploration，也不会从 Hugging Face 下载 memory；它只会针对 --memory-dir 执行普通的单次评测，并避免同步覆盖本地 目录：

rpent --robot libero --suite libero_10_task --task 0 --seed 1 \
  --planner codex --memory-profile local \
  --memory-dir /path/to/libero-memory

探索模式沿用同一个 Python/CLI 入口。它支持可重置的多次尝试和独立 planner session，并在正常结束后校验、合并 memory，只有 LIBERO 确认成功时 才发布 task audit/recipe。探索可以从空的 --memory-dir 开始，并始终使用 local profile；真正开启该流程的是 --explore：

rpent --robot libero --suite libero_10_task --task 0 --seed 0 \
  --planner api --model anthropic:claude-opus-4-8 \
  --explore --explore-sessions 3 --explore-attempts-per-session 5 \
  --memory-dir /path/to/libero-memory

每个 planner session 使用一个新建的 toolkit，其状态轨迹和观测工件保存在 <output-dir>/sessions/session_NNN/，供最终 memory distillation 使用；同一 session 内通过 reset 发起的多次 attempt 仍复用该 toolkit。

在 exploration 命令中增加 --dashboard，即可跨 planner session 查看完整 推理过程、相机画面和连续动作时间线。

使用 --no-auto-merge-memory 可保留 inbox，稍后人工审核。也可直接使用 memory 维护命令：

rpent-memory --memory-dir /path/to/libero-memory validate
rpent-memory --memory-dir /path/to/libero-memory build-index
rpent-memory --memory-dir /path/to/libero-memory merge \
  --cell 10_task_t0_s0 --output-dir logs/explore_10_task_t0_s0

运行时生成的 memory 数据不应提交到仓库。

进程分工#

  • env_server （robots/libero/env_server.py）—— 负责运行 LIBERO 的 MuJoCo 环境并通过 EGL 渲染。它通过 RPC 传输（默认使用 HTTP；添加 --transport socket 后使用 pickle-framed socket）对外暴露 reset、step、chunk_step、render_camera、 get_camera_meta 等接口。

  • vla_server （rpent/robots/components/pi05_vla_server.py）—— 持有 Pi0.5 权重，通过同一套 RPC 传输（HTTP 或 socket）暴露 predict。

  • sam3_server （rpent/robots/components/sam3_server.py）—— 持有 SAM 3.0， 通过同一套 RPC 传输（HTTP 或 socket）支持文本或单个正点分割，仅返回 排名第一的压缩 PNG mask。

  • toolkit（工具集） （robots/libero/toolkit.py）—— 定义 LLM 能调用的工具：pi0_pick （交给 Pi0.5）、move_to、rotate_wrist、 back_project、view_env_state、finish…

Planner 能调用的工具#

LIBERO 工具分为物理动作工具和只读工具。

物理动作工具：

  • pi0_pick(prompt, ...) —— 调用 Pi0.5 执行闭环抓取。

  • pi0_doubled(prompt, ...) —— 调用 Pi0.5 执行非抓取类接触动作。

  • move_to(xyz, ...) —— 将末端执行器移动到世界坐标系中的目标位置。

  • move_pose(xyz, target_pitch=..., target_yaw=..., ...) —— 同时调整 末端位置和姿态。

  • rotate_wrist(target_yaw=... / delta_yaw=..., ...) —— 按绝对或相对 yaw 旋转腕部。

  • rotate_pitch(target_pitch=... / delta_pitch=..., ...) —— 按绝对或 相对 pitch 倾斜夹爪。

  • set_gripper(gripper=..., steps=...) —— 保持末端姿态，并在指定步数内 控制夹爪。

  • release(...) —— 打开夹爪。

物理动作工具执行后会推进环境，并记录新的状态和图像。

只读工具：

  • back_project(row, col, ...) —— 将图像像素反投影到世界坐标。

  • segment(prompt=... / point=..., ...) —— 通过 SAM3 对已有图像进行文本或 点提示分割。

  • view_env_state(step=-1) —— 读取已记录的状态和内嵌观测图像；第 0 步为 初始状态，-1 表示最新状态。

  • view_camera_meta(camera=..., step=-1) —— 读取指定步骤的相机元数据； -1 表示最新状态。

  • finish(status, summary) —— 结束当前运行。

这些工具不会推进环境。

Dashboard#

加上 --dashboard 可启动长生命周期的本地 Dashboard Session。系统会自动 选择一个空闲端口，并在终端输出访问 URL：

rpent --robot libero --dashboard \
  --planner claude_code --model claude-opus-4-8

Session 配置全部来自命令行，打开地址后会直接进入实时监控。共享服务就绪后， 输入以下命令启动 TaskRun：

/rpent-task libero_object_swap 2 0

Dashboard 支持 api、claude_code 和 codex planner。 在命令行传递 --planner 与 --model，配置方式和普通运行一致，详见 Agentic Planner。

每个 TaskRun 使用独立环境，VLA 和 SAM3 服务由 Session 复用。可通过新的 /rpent-task 启动或切换任务；运行中也可以发送消息引导智能体，并按 Esc 请求中断。在终端按 Ctrl+C 可结束 Session。

--dashboard 不能与 --interactive 或 --env-endpoint 同时使用；外部 --vla-endpoint 和 --sam3-endpoint 服务仍然可用。使用 --dashboard-language zh-cn 可切换中文 UI。

接入自定义 VLA#

如果你有一个与 LIBERO 兼容、但并非 Pi0.5 的 VLA，可以在不修改机器人实现的 情况下替换 model client：

  1. 写一个新的 vla_server.py，暴露相同的 predict RPC 契约 （HTTP 或 socket 均可）。

  2. 用 --vla-endpoint [protocol://]host:port 指向它。

  3. 如果可用工具需要调整（比如将 pi0_pick 改成 mymodel_pick）， 相应更新 robots/libero/toolkit.py。

完整流程见 添加动作原语。

结果复现#

RPent 在 LIBERO-PRO Task/Swap 上的统一模型对比及对应配置见 RPent 排行榜。

GPT-6 Astra 套件汇总 记录全部八个完整套件及 800 个已核验回合：741 成功、59 失败，Overall 92.63%， 配置为 Codex / GPT-6 Astra / low / reasoning。

以下保留历史复现记录，实验使用 reproduce/libero 分支和 gpt-5.5 模型：

  • libero_10_task：70%（70/100）

  • libero_10_swap：55%（55/100）

复现命令如下：

rpent --robot libero \
  --suite libero_10_task --task "task" --seed "seed" \
  --planner codex \
  --model gpt-5.5 \
  --max-turns 100 \
  --planner-timeout-s 5000 \
  --max-episode-steps 10000 \
  --libero-type pro \
  --vla-endpoint http://127.0.0.1:8220 \
  --sam3-endpoint http://127.0.0.1:8114