RPent如何在LIBERO-PRO上做到92.63%：排行榜、耗时与Token成本深度解读

RPent是一个面向物理世界的开源 Agentic Infrastructure（智能体基础设施）框架，把规划、感知、记忆、执行整合进统一的机器人智能体。在 LIBERO-PRO 基准上，Codex / GPT-6 Astra / low / reasoning 配置完成了全部 8 个扰动套件共 800 个回合，取得92.63%（741/800）的成功率，登顶 RPent 排行榜；本文带你拆解这份成绩的分项构成、背后三大关键设计，以及每个回合 412 秒、336 万输出 Token 的成本账。

🏆 LIBERO-PRO 排行榜：92.63% 意味着什么

LIBERO-PRO 是 LIBERO 的强化版基准：在物体（Object）、目标（Goal）、空间（Spatial）、长任务（Long）四个任务族上，各叠加"换场景（Task）/换物体（Swap）"两类扰动，共 8 个套件 × 100 个回合 =800 个已核验回合。它专门考验智能体的泛化能力——把基准从"背题"变成"举一反三"。

当前 评测成绩榜 的完整对比如下：

两个值得注意的信号：

• 纯 VLA（视觉-语言-动作）模型差距悬殊：π0 只有 0.3%，π0.5 也只有 11.0%——直接"看图出动作"的策略在扰动场景下几乎失效。
• Agentic 路线全面领先：RPent 的不同模型配置包揽了前四席，说明"规划器 + 工具 + 记忆"的架构对泛化任务有本质优势。

📊 九项分项成绩：优势与短板一目了然

• 空间/物体类任务近乎满分（100% / 99% 以上），说明定位与抓取类能力已经非常稳定；
• Long Swap（72%）是当前最大短板：长任务 + 换物体的双重扰动最考验经验复用，这也正是"记忆机制"发力的地方。

🔑 92.63% 是怎么做出来的：三大关键

1. 探索生成经验 → 冻结为 Memory 快照

RPent 的记忆机制是成绩的核心来源：先用--explore模式对任务族做多次尝试探索，把成功任务的运行记录（audit）与动作序列沉淀为 memory 文件；正式评测时只读取、不更新，使用的是探索后冻结的 memory 快照（Long 与 Spatial/Object/Goal 各用各自批次的快照）。

• 记忆目录结构分为global/、task-family/、task-specific/三级，加载器会校验文件哈希，保证复现一致性；
• 评测默认--memory-profile hf自动下载公开 memory，并按模型自动选择版本（gpt-6-astra对应GPT_6_astra_low）。

详见 docs/source-zh/rst_source/guides/memory.rst 与 rpent/memory/manager.py。

2. 规划器选"低推理档"反而更快更准

一个反直觉的结论：GPT-6 Astra 在low推理强度下（92.63%）大幅超过了 GPT-5.5 的xhigh（75.13%）。原因在于：有了冻结 memory 后，规划器的大部分决策是"查经验 + 验证当前观测"，不需要烧大量 token 做长链推理；low 档响应快、成本低，整体成功率反而最高。

规划器通过 Codex / Claude Code / API 三种通道接入，实现位于 rpent/planner/（如 rpent/planner/codex.py）。

3. 工具集：Pi0.5 执行 + SAM3 定位 + 动作原语

规划器本身不出动作，而是调用一组工具（定义于 robots/libero/toolkit.py）：

• pi0_pick/pi0_doubled：交给 Pi0.5 VLA 执行闭环抓取与接触动作；
• move_to/rotate_wrist/set_gripper：确定性动作原语，兜底精细调整；
• segment（SAM3 分割）/back_project/view_env_state：只读感知工具，帮规划器把像素坐标和真实状态对齐。

仿真、VLA、SAM3 分别跑在独立服务器（robots/libero/env_server.py、rpent/robots/components/pi05_vla_server.py、rpent/robots/components/sam3_server.py），工具集经 RPC 调用，架构上互不阻塞。

⏱️ 耗时与 Token 成本：每回合 412 秒、336 万输出 Token

成绩再好，成本过高也难落地。耗时与 Token 开销页 给出了 LIBERO-PRO 全量 800 回合的实测数据：

几个直观换算：

• 总耗时：412.14 秒 × 800 回合 ≈91.6 小时（单环境串行口径）；
• 单回合 token：3,364,938 ÷ 800 ≈4,206 个输出 Token/回合，对 agentic 方法而言相当克制；
• 推理强度对比：no-reasoning（344 秒）比 xhigh（529 秒）快约 35%，而 92.63% 的成绩恰恰来自"模型能力 + 低推理档"的组合。

🚀 性价比路线：Flash Mode 的"0 Token"方案

如果嫌 LLM 规划太贵，RPent 还提供了Flash Mode：跳过实时规划，直接重放探索阶段预先生成的执行计划（plan/anchor 文件对），只用本地 Molmo2-8B 做视觉定位——

• 成功率72.63%，仅比 agentic 方案低约 20 个百分点；
• 每回合60.19 秒，是 GPT-6 Astra 方案的 1/7；
• LLM 输出 Token 为 0，推理成本几乎归零。

Flash 的生成与重放代码见 robots/libero/flash/generate.py 和 robots/libero/flash/replay.py。对批量、固定场景的部署（比如产线重复任务），这是一条非常务实的降本路径。

🧪 如何复现这次评测

完成 快速开始 的安装（uv pip install -e ".[libero-pro]"、下载 LIBERO-PRO 资产与 Pi0.5 / SAM3 权重）后，运行：

rpent --robot libero --libero-type pro \ --suite libero_goal_swap --task 1 --seed 1 \ --planner codex --model gpt-6-astra --reasoning-effort low

--memory-version auto会自动匹配GPT_6_astra_low记忆快照；完整 800 回合需要覆盖全部 8 个套件的任务与约定 seed，参数参考 docs/source-zh/rst_source/simulators/libero.rst 的"实验复现"一节。

❓ 常见问题（FAQ）

Q1：92.63% 是 800 个回合的完整成绩吗？是的。Long 套件 157/200，其余六个套件 584/600，两个不重叠批次合并为 741/800。注意 Long 与 Spatial/Object/Goal 使用各自冻结的 memory 快照，并非所有回合共享同一份记忆。

Q2：为什么 π0.5 在 LIBERO-PRO 上只有 11%？纯 VLA 策略依赖训练时见过的场景分布，"换物体/换场景"扰动直接破坏了这个假设。RPent 的规划器可以"读经验 + 看当前观测"动态决策，天然抗扰动。

Q3：long Swap 只有 72%，怎么提升？这是记忆机制的主战场——长任务的 swap 场景缺乏专属经验时成功率下降。可通过--explore对libero_10_swap做定向探索补齐记忆，或提高探索会话数与尝试次数。

Q4：成本还能更低吗？可以。追求极致成本选 Flash Mode（0 Token、60 秒/回合）；追求成功率选 GPT-6 Astra low 档；Qwen3.6 27B 等开源模型（70.63%）则是自托管部署的折中选择。

📌 想动手验证？从 docs/source-zh/rst_source/get_started/quickstart.rst 开始，一小时内即可跑通第一个 LIBERO-PRO 任务；完整榜单数据源见 docs/source-zh/rst_source/leaderboard/。