清华大学与无问芯穹联合推出具身智能云原生平台 RLark，并已将其开源。根据公开信息，该平台可在 5 分钟内完成机器人纳管，并能在 10 秒内启动跨集群任务。
在具身智能的研发链条中，机器人纳管与任务调度长期属于偏底层的工程环节。纳管涉及设备注册、运行环境配置、状态监控与权限管理等一整套流程；而跨集群任务启动则关系到算力资源的分配、任务编排与容器化调度。这两件事本身并不直接产出模型能力，却决定了研究与产品迭代的实际速度——每接入一台新机器人、每切换一次训练或推理集群，都可能消耗团队大量时间。
RLark 将这两个环节以"云原生"的方式抽象出来，用可复用的平台能力替代逐台、逐集群的手工配置。从给出的指标看，机器人的接入被压缩到分钟级，跨集群任务的启动被压缩到秒级。对于需要频繁更换本体、在多套算力资源之间来回迁移实验的具身智能团队来说，这意味着实验循环可以更快，工程侧的重复劳动被进一步收敛到底层平台。
另一个值得关注的点是开源。具身智能领域此前的基础设施多由各家团队自建，方案彼此不通用，重复投入明显。RLark 以开源形式发布，有望让机器人纳管与任务调度形成一套可被社区检验和复用的公共方案，降低中小团队与高校实验室搭建自有环境的门槛，也为后续在统一接口上做数据采集、模型训练与真机评测提供基础。
目前该平台已对外公开，具体的支持范围、部署方式与使用限制，需以项目官方文档与代码仓库说明为准。