开源一座具身智能的新“塔台”

清华大学与无问芯穹共同开源面向具身智能的云原生纳管平台 RLark。平台以自研具身设备运行时（embodied-runtime）和任务级跨集群网络互联技术为核心，打通“真实设备统一调度”与“跨地域任务互联运行”。RLark 将云端算力、边缘节点、机器人、相机等纳入统一资源体系，以任务为单位组织运行，运维人员一行命令接入设备，研究人员一份任务配置即可部署训练、推理和真机交互程序。目前 RLark 已完成 3 个集群、近百个云边端节点纳管，覆盖 4 种型号具身设备，设备纳管从小时级缩短至约 5 分钟，任务提交后 10 秒内启动。结合训练框架 RLinf，团队在广东云端 GPU 集群与北京机器人现场完成跨地域真机实测，连续运行约 36 分钟，训练推进至 323 个全局步骤，跑通设备申请、跨集群调度、真机数据回传、云端训练与策略更新闭环。通信专项测试中，受限网络下大包单流吞吐较 VPN 方案提升约 49%，小包提升约 14%，高带宽环境大包单流吞吐接近 2 Gbps，较 EasyTier 显著减少跨地域卡顿。技术架构采用控制面与数据面分离：具身设备插件与运行时将机器人等转化为可申请调度的云原生资源；任务级跨集群通信通过虚拟寻址、gVisor 用户态网络栈与 SSH 安全隧道连接执行实例；声明式任务编排用 Job、Task、Worker 三层模型描述实验；任务级运行观测支持沿任务—角色—执行实例逐层排查。开源地址：github.com/RLinf/RLark，文档：rlark.readthedocs.io。