远程服务与并行运行

默认情况下，RPent 会随每次 LIBERO 运行启动并关闭环境、VLA 与 SAM3 服务。单机运行时建议保留这一默认行为。只有当服务分布在不同主机，或需要跨任务复用 VLA 与 SAM3 模型时，才需要配置外部 endpoint。

三个参数分别设置对应服务的 endpoint：LIBERO 环境用 --env-endpoint， Pi0.5 VLA 用 --vla-endpoint，SAM3 用 --sam3-endpoint。每个都取 [protocol://]HOST:PORT，省略 protocol 时默认 HTTP，也可用 socket:// 改走 socket RPC。

Dashboard Session 不支持 --env-endpoint，因为每个 TaskRun 都需要使用新的环境服务；Dashboard 模式仍可使用 --vla-endpoint 和 --sam3-endpoint。

LIBERO 环境服务

一个环境服务固定对应一组 suite、task、seed 和最大 episode 步数，这些参数必须与 RPent 客户端完全一致。在环境主机上运行：

export LIBERO_TYPE=pro
python -m robots.libero.env_server \
  --suite libero_object_swap --task 2 --seed 0 \
  --max-episode-steps 10000 \
  --cuda-device 0 \
  --transport http --host 0.0.0.0 --port ENV_PORT

环境服务与任务绑定。需要修改上述任一参数时，请先停止旧服务再重新启动。

Pi0.5 VLA 服务

在 VLA 主机上设置 checkpoint 路径并启动 HTTP 服务：

export PI05_CHECKPOINT_PATH=/path/to/rlinf-pi05-libero-130-fullshot-sft
python -m rpent.robots.components.pi05_vla_server \
  --embodiment libero \
  --cuda-device 0 \
  --transport http --host 0.0.0.0 --port VLA_PORT

VLA 服务只加载一次模型，可以由多个 RPent 运行复用。

APXInf VLA 服务（可选）

APXInf 适配器可以替代 Pi0.5 服务。在已安装 RPent 的环境中，按照 APXinf-robo 安装说明 安装推理依赖。上游安装说明中的 libero 和 serve extras 并非此 RPent RPC endpoint 的必需依赖。规划器和环境可以继续使用原有 LIBERO 安装及其 OpenPI 依赖。

准备兼容的 Pi0.5 LIBERO 模型权重、SentencePiece tokenizer 和归一化统计文件。

使用该环境的 Python 启动服务：

python -m rpent.robots.components.apxinf_vla_server \
  --embodiment libero \
  --model-path /path/to/pi05-libero \
  --tokenizer-path /path/to/tokenizer.model \
  --norm-stats-path /path/to/norm_stats.json \
  --precision bf16 \
  --transport http --host 127.0.0.1 --port 8220

在 LIBERO 命令中增加 --vla-endpoint http://127.0.0.1:8220。跨主机访问时，将服务绑定到可访问的网络接口，并使用服务端地址。用完后需自行停止这个外部服务；省略 endpoint 会启动 OpenPI。 APXInf-robo 原生的 OpenPI WebSocket 服务不是 RPent RPC endpoint，请使用上述适配器。

适配器仅支持 eval 模式，模型配置如下：

• libero：两个视角、五次流匹配迭代、十步动作预测；返回前五步动作，使用环境单位和 float32 类型。

• dual_franka：采用本体坐标系增量 TCP rot6d 的模型，输入三个视角；返回 20 步绝对位姿动作，每步 20 维。

• yam：采用关节增量模型，输入三个视角；返回 30 步绝对 qpos14 动作，YAM 工具每次执行五步。

修改 --embodiment 时，需选择匹配的 APXInf-robo 预设、模型权重和统计文件。双臂 Franka 和 YAM 仍处于实验阶段，权重导出、数值一致性和真机执行尚需验证。适配器需要 APXInf 兼容的权重，不会转换原始 RLinf actor/model_state_dict/full_weights.pt；目前不支持单臂 franka。

SAM3 服务

在 SAM3 主机上设置本地 checkpoint 路径并启动 HTTP 服务：

export SAM3_CHECKPOINT_PATH=/path/to/sam3/sam3.pt
python -m rpent.robots.components.sam3_server \
  --cuda-device 0 \
  --transport http --host 0.0.0.0 --port SAM3_PORT

SAM3 服务只加载一次模型，可以由多个 RPent 运行复用。

连接 RPent

在运行 RPent 的机器上，通过三个 endpoint 参数连接上述服务。suite、task、seed 和最大 episode 步数必须与环境服务的启动参数保持一致：

rpent \
  --robot libero \
  --suite libero_object_swap --task 2 --seed 0 \
  --libero-type pro --max-episode-steps 10000 \
  --env-endpoint http://ENV_HOST:ENV_PORT \
  --vla-endpoint http://VLA_HOST:VLA_PORT \
  --sam3-endpoint http://SAM3_HOST:SAM3_PORT \
  --planner claude_code --model claude-opus-4-8

请将各 *_HOST 替换为运行对应服务的机器地址，并确保运行 RPent 的机器能访问该地址；将各 *_PORT 替换为启动服务时选择的空闲端口。三个 endpoint 参数可以分别省略，某项未指定时，RPent 会在当前机器上启动对应服务并自动选择空闲端口。三个服务省略 protocol 时都默认使用 HTTP，也都可以通过 socket://HOST:PORT 改用 socket RPC。

自定义 RLinf 源码

环境服务和 VLA 服务需要导入 rlinf。手动启动时如果使用开发中的 RLinf 源码而非已安装的包，请先把 PYTHONPATH 指向该源码目录：

export PYTHONPATH=/path/to/rlinf:$PYTHONPATH

由 RPent 自动拉起的 server 无需手动设置：RLinf 源码路径从 RPENT_RLINF_ROOT （或 RLINF_REPO_PATH ）解析，默认回退到 RPent 仓库旁边的 rlinf 目录。解析出的路径不存在也无妨：Python 会忽略无效的 PYTHONPATH 条目，server 将导入已安装的 rlinf 包。

并行评测

以下以使用 Pi0.5 VLA 和 SAM3 的 LIBERO 评测为例说明如何进行并行评测。其他机器人或评测配置可能使用不同的服务和 endpoint。

要对同一个 LIBERO 任务并行运行多次评测，先按照上文的说明各启动一个 Pi0.5 VLA 服务和一个 SAM3 服务。等待两个服务输出 RPC server listening on ... 后，为每个并发的 rpent 进程传入相同的 endpoint： http://VLA_HOST:VLA_PORT 和 http://SAM3_HOST:SAM3_PORT，其中各占位符替换为对应服务的主机地址和端口。

如果服务与 RPent 在同一台机器上，host 可以使用 127.0.0.1。这样所有进程会共同访问同一组 VLA 和 SAM3 服务。省略 --env-endpoint，则每个进程会单独启动自己的 env_server，评测环境彼此独立； VLA 和 SAM3 模型只需加载一次，无需为每次评测重复启动。

pids=()

for i in $(seq 1 10); do
  rpent --robot libero --libero-type pro \
    --suite libero_object_swap --task 2 --seed 0 \
    --planner claude_code --model claude-opus-4-8 \
    --vla-endpoint http://VLA_HOST:VLA_PORT \
    --sam3-endpoint http://SAM3_HOST:SAM3_PORT \
    --output-dir logs/parallel_object_swap_t2_s0/run_$i &
  pids+=($!)
done

wait "${pids[@]}"

备注

通过 SSH 运行长时间评测时，请在 nohup 或 tmux / screen 会话中启动共享服务；直接使用 & 时，SSH shell 退出可能会结束服务。

远程访问 Dashboard

在服务器上启动 Dashboard，并指定端口：

rpent --robot libero --dashboard --dashboard-port 8000 \
  --planner claude_code --model claude-opus-4-8

在本机另一个终端建立端口转发，将 USER@HOST 替换为服务器登录地址：

ssh -N -L 8000:127.0.0.1:8000 USER@HOST

在本机浏览器打开 http://127.0.0.1:8000。保持 SSH 连接和服务器上的 RPent 进程运行；任务操作见 交互使用。

Code as Policy（可选）

这个模式让模型编写 Python 代码，通过 robo.<工具名>() 操作机器人。代码可以用循环和条件判断组织多步操作，变量会在同一次会话中保留。

先确认普通任务能正常运行，再在原来的命令后加上 --policy-mode code，例如：

rpent --robot libero --libero-type pro \
  --suite libero_object_swap --task 2 --seed 0 \
  --planner claude_code --model claude-opus-4-8 \
  --policy-mode code

每段代码默认最多运行 120 秒、调用 100 次机器人工具，可通过 --code-timeout-s 和 --code-max-calls 调整。代码和执行结果保存在运行输出目录下的 code_policy/ 中。

模型通过 robo.finish(...) 结束任务，finish 成功后同一段代码中后面的语句不会再执行。request_scene_reset、request_operator_verdict 等操作员请求仍是 Python 之外的独立工具，因为等待操作员的时间可能超过单段代码的时间限制。

该模式使用单独的提示词，不读取任务记忆，也不生成 recipe；支持 api、claude_code 和 codex planner，不支持 flash，也不能与 --explore 一起使用。不加这个参数时，仍使用默认的工具调用模式。