清华联合无问芯穹开源具身智能云原生平台RLark
原标题：5分钟完成机器人纳管、10秒启动跨集群任务，清华大学联合无问芯穹开源具身智能云原生平台RLark
AI 摘要
清华大学联合无问芯穹开源了面向具身智能的云原生纳管平台 RLark，以自研具身设备运行时和任务级跨集群网络互联技术为核心，将机器人、相机等设备与云端算力统一纳入资源体系进行调度。平台已完成 3 个集群、近百个云边端节点、4 种型号具身设备的纳管，设备纳管从小时级缩短至约 5 分钟，任务提交后 10 秒内可启动。团队还结合 RLinf 在广东云端 GPU 集群与北京机器人现场之间完成跨地域真机实测，连续运行约 36 分钟、推进至 323 个全局训练步骤，跑通采集—训练—真机验证闭环。
正文节选
5分钟完成机器人纳管、10秒启动跨集群任务，清华大学联合无问芯穹开源具身智能云原生平台RLark 开源一座具身智能的新“塔台” 一架架飞机在空中有序飞行，按时起降，看似只是飞机自己的事情，实际上，它需要持续与机场、跑道、航线以及地面资源系统协同。 这正是“塔台”存在的意义：它负责把分散的飞机和地面、空中的资源协调组织起来，让飞机根据各自的任务有序运行。而当飞机越来越多、航线越来越复杂，这种统一管控和协调也就变得越来越重要。 具身智能也同样如此。 一项具身任务，本质上是多个角色的协同：机器人和相机等现场设备、云端算力、训练与推理程序，以及连接这些角色的通信和运行环境。 而随着更多机器人投入研发与应用，这种协同的复杂度与成本更将进一步放大：设备需要一个个接入，任务需要分别部署，云端与现场需要反复配置网络，不同设备和程序出了问题，还要逐一排查设备、网络、程序。 因此，当机器人从“单机”走向更大的“机群”，具身智能也需要一座新的“塔台”——不只是“把设备接进来”，而是统一组织管理分散的算力、设备和执行程序，让它们围绕同一项任务协同高效运行。 为解决这一问题，清华大学与无问芯穹共同打造并开源面向