采集轨迹与数据飞轮#

使用 api 规划器时，可通过 --record-trajectory 保存模型请求、回复和工具调用。已支持动作采集的环境还会记录实际执行的动作及观测，供后续导出为 LeRobot 训练数据。

安装#

以下示例使用 LIBERO-PRO。环境准备和仿真资源下载见快速开始，API 认证配置见规划器配置。在 RPent 仓库根目录安装 LIBERO-PRO 及可选的导出依赖：

uv pip install -e ".[libero-pro,flywheel]"

采集轨迹#

采集默认关闭，且仅在 --planner api 下生效。动作采集支持 LIBERO、RoboCasa365、RoboTwin 和 RoboDojo。开启采集并指定运行目录：

rpent --robot libero \
  --suite libero_goal --task 0 --seed 0 \
  --planner api --model anthropic:claude-opus-4-8 \
  --record-trajectory \
  --output-dir /path/to/run

--record-trajectory：开启轨迹采集，记录模型请求、回复和工具调用；支持动作采集的环境还会记录实际执行的动作及观测。默认关闭，仅在 --planner api 下生效。
--output-dir /path/to/run：指定本次运行的输出根目录，请将 /path/to/run 替换为实际保存路径。轨迹记录保存在该目录的 trajectories/<task_id>/ 子目录中。

运行结束后，记录保存在 /path/to/run/trajectories/<task_id>/ 下，包括 task.json、planners.jsonl、actions.jsonl、predictions.jsonl 和存放附件的 artifacts/ 目录。VLA 记录将每次指令与实际执行的动作关联，不保存未执行的预测动作。

导出训练数据#

将同一机器人的轨迹导出到新目录：

rpent-flywheel \
  --input-root /path/to/run \
  --output-dir /path/to/lerobot/goal-task-00

--input-root 可以指向包含 task.json 的单条轨迹目录，也可以指向包含多次运行的上级目录。不同机器人应分别导出；--output-dir 必须尚不存在。

添加 --image-writer-threads 4，即可使用 4 个线程同时压缩和保存图片。默认值为 0，即逐张压缩和保存。

只有环境确认成功的任务才参与导出，规划器结束不代表任务成功。导出程序按以下规则筛选和组织训练数据：

成功判定：任务结果中的 environment_success 必须明确为 true；失败、结果缺失或无法确认成功的任务均不导出。
动作来源：只保留实际执行、且能唯一关联到有效 VLA 预测记录的动作。预测记录必须包含非空指令，并与动作属于同一次工具调用。脚本动作、其他非 VLA 动作，以及未执行的预测动作均不参与导出。
数据组织：每个连续片段保存为独立的 LeRobot episode，每个实际执行的动作对应一帧，包含执行前观测、动作和对应的 VLA 指令。

数据集保存在 /path/to/lerobot/goal-task-00/train/，不会自动划分验证集。输出目录中的 report.json 记录导出数量和排除原因；没有符合条件的动作时，只生成报告。原始记录不会被修改。

使用 RLinf 训练#

对于上述 LIBERO 示例，可使用导出的 LeRobot 数据集，在独立的 RLinf 环境中进行 Pi0.5 监督微调。RPent 负责采集和导出；模型训练、日志和权重保存由 RLinf 管理。

环境安装和训练配置请参考 RLinf OpenPI 监督微调指南。训练数据路径应指向导出的 LeRobot 数据集目录，即包含 meta/info.json 的目录，而不是原始轨迹目录。

先准备支持 LIBERO LeRobot 数据加载的 RLinf 环境，并将 Pi0.5 LIBERO SFT 配置保存为 /path/to/sft-config/libero_pi05_sft.yaml，再运行：

cd /path/to/RLinf
unset PYTHONPATH
export PYTHONPATH="$PWD"
export EMBODIED_PATH="$PWD/examples/sft"

.venv/bin/python examples/sft/train_vla_sft.py \
  --config-path /path/to/sft-config \
  --config-name libero_pi05_sft \
  data.train_data_paths=/path/to/lerobot/goal-task-00/train \
  actor.model.model_path=/path/to/pi05-checkpoint \
  runner.logger.log_path=/path/to/new-training-output

根据可用 GPU 设置配置中的资源分配和 batch size，并使用与所选模型和数据集相匹配的 checkpoint 及归一化设置。

SFT 实验结果#

2026-10-23，使用 RPent 采集的成功轨迹，对 RLinf-Pi05-LIBERO-130-fullshot-SFT 进行微调，并在 RPent 中替换 VLA 模型进行对比评测。

训练数据来自 LIBERO-PRO 的三个 goal 系列 suite，共 199 条有效成功轨迹。训练采用语言分支 LoRA 与动作分支全量微调，共训练 500 步，按验证损失选择已保存的 step 300 检查点用于评测。

评测使用 libero_goal_swap 的 task 0–9、seed 25–34，每组共 100 场。两组使用相同的 DeepSeek-V4.1-Flash-1017 规划器（reasoning effort 为 none）和官方 memory，仅替换 VLA 模型。

完整 RPent 系统的任务成功率如下：

模型	成功数 / 场次	成功率
原模型	70/100	70%
SFT 模型（step 300）	73/100	73%

本次评测中，SFT 后的模型多成功 3 场，成功率提高 3 个百分点。