动作原语与工具

规划器通过工具调用执行操作。动作原语负责完成具体的运动，例如抓取、移动末端或打开夹爪；感知和状态工具用于定位目标、读取图像及检查结果。

选择动作工具

RPent 的动作工具主要分为两类：

• VLA 动作：由视觉语言动作模型生成动作序列，例如 LIBERO 的 pi0_pick。模型通常在独立服务中运行。

• 程序化动作：按参数执行运动，例如 move_to、rotate_wrist 和 release。具体名称与参数由环境定义。

back_project、segment 和 view_env_state 属于感知或状态读取工具，本身不代表机器人运动。finish 用于结束规划器循环，任务是否成功仍由环境或真机操作员判定。

各平台使用的模型

环境 / 机器人	动作模型与配置
LIBERO	Pi0.5
RoboCasa365	RLDX-1
RoboTwin	LingBot-VLA
单臂 Franka	Pi0.5 / openpi
双臂 Franka	Pi0.5 / openpi

各平台页面给出模型路径、工具范围和任务要求。YAM 的部署说明和 SO-101 内容尚待补充，见 YAM 和 SO-101。

服务与扩展

VLA 服务通过 predict 提供动作预测，通过 healthz 提供健康检查。RPent 的 RPC 服务支持 HTTP 和 socket 传输，具体部署方式见 远程服务与并行运行。

添加工具时，需要同时定义参数、执行逻辑和返回结果，详见 添加动作原语。规划器使用同一个 toolkit 调用这些工具。