何が起きたか

leaderobot.comは2026年9月21日、清華大学、無問芯穹、正行創新が具身智能体基盤「RPent」を共同で開源したと報じた。記事では、RPentが通用大モデル、VLAなどの専門モデル、記憶、工具、ロボット接口をつなぎ、感知・判断・実行・フィードバックの閉環を構成するとしている。あわせて、LIBERO-PROで92.6%のタスク成功率を示し、端到端のタスク完了速度を7倍以上にしたと伝えた。

本紙の見方

RPentで新しいのは、個別の動作モデルを足したことではなく、通用大モデル、VLA系の実行、記憶、工具、ロボット接口をつないで、探索結果をTask Cardとして再利用する運用まで含めて一つの基盤として開いた点である。単体の把持性能やデモの巧拙より、成功した手順を次回に持ち越す設計が前面に出ており、研究段階のロボット制御から、再利用可能な実行基盤へ軸足を移していると読める。LIBERO-PROの92.6%と端到端速度7倍以上という数値も、評価対象が「動作」だけでなく「タスク完了の流れ」へ広がっていることを示す。 本紙の関連記事では、无问芯穹、清華大、上海交大と具身端側推理エンジン「APXInf」を公開が、ロボット本体での推論を軽くする方向を示していた。そこでは端側推理の遅延短縮が主眼だったのに対し、今回は推論だけでなく、記憶と再実行の仕組みまで含めて閉環を設計している点が異なる。すなわち、計算基盤の軽量化と、行動経験の蓄積・再利用が別々のテーマではなく、同じ実行系の中で接続され始めている。 業界構造への含意としては、ロボットの競争軸が「高性能な単発モデル」から「現場で繰り返し使える実行フレームワーク」に移る可能性がある。とくに、Task CardとFlash Modeのような仕組みは、モデル更新のたびに全行動を作り直すのではなく、検証済みの手順を残す方向に働くため、学習データ、評価基準、運用保守の設計に影響しうる。ただし、記事が示したのはデモとベンチマークであり、実環境での稼働率、失敗時の復旧、どの程度のタスク群に一般化できるかは未確認である。詳細は原典を参照されたい。

なぜ重要か

清華大学、無問芯穹、正行創新が共同で開源したRPentは、ロボットを「動かす」部分だけでなく、成功手順を再利用する部分まで含めて公開した点に意味がある。研究用のデモから、実運用での再現性や再利用性をどう確保するかが焦点になり、評価指標も単発性能だけでは足りないことが示された。

日本への影響

日本のロボット産業にとっては、個別の機体性能だけでなく、実行フレームワークや経験再利用の層をどう持つかが論点になるとみられる。とくに、現場での手順固定が難しい用途では、Task Cardのような再利用設計が、制御ソフトと学習基盤の分離・統合の在り方に影響する可能性がある。