来自Nvidia、卡内基梅隆大学和加利福尼亚大学伯克利分校的研究人员介绍了ENPIRE——一个允许AI编码代理在真实硬件上改进机器人控制策略的框架。
该系统运行一个闭环：机器人执行任务，环境自动评估结果并返回到初始状态，AI代理分析错误，重写代码，并启动下一系列试验。
ENPIRE的工作原理
在机器人技术中，真实硬件上的训练仍然是一个昂贵且缓慢的过程。在失败的尝试后，场景必须返回到初始状态，检查结果，改变算法，并再次进行试验。通常，这项工作的部分内容需要工程师的参与。
ENPIRE将Nvidia称为AutoResearch的方法转移到物理世界：AI代理编写代码，测试代码，并在后续迭代中改进它。然而，与数字环境不同的是，这里的每个实验都涉及真实的机器人、摄像头、物体、抓取错误、摩擦和其他物理限制。
该框架由四个模块组成：
- 环境负责自动场景重置、结果验证、日志记录和安全接口；
- 策略改进启动控制策略的改进；
- 滚动评估在一个或多个物理机器人上的策略；
- 进化允许代理分析日志，寻找文献中的想法，改变训练基础设施，并修复代码。
在环境的初始设置完成后，循环可以在没有持续人工监督的情况下运行。代理从视频、轨迹和奖励函数中接收数据，提出新的假设，修改代码，在机器人上测试结果，并在改善指标时保存更改。
为什么需要自动验证和重置
ENPIRE的一个关键元素是自动化两个操作：验证结果和将场景恢复到初始状态。第一个是为了让系统能够自行判断任务是否完成。例如，在扎带场景中，评估函数结合了一个检测器、一个分割模型和两个摄像头的验证。这样，代理在没有手动标记每次运行的情况下接收成功或错误信号。
自动重置允许连续进行多次尝试。在一次失败的操作后，机器人必须将物体或场景恢复到适合下一个实验的状态。如果没有这一点，真实硬件上的训练很快就会遇到需要持续人工参与的问题。
正如Decrypt所指出的，在第一阶段，人类帮助代理创建永久工具——重置程序和奖励函数。之后它们被重复使用，代理接管进一步改进策略的工作。
在机器人上展示的内容
在真实实验中，团队在多个操作任务上测试了ENPIRE。Push-T检查机器人是否能够将T形物体推入指定区域。插针任务要求将针插入直径为4毫米的孔中。GPU安装和使用扎带的操作也被展示出来。
在Nvidia项目页面上指出，在真实的操作任务中，如果代理在考虑之前错误的情况下被给予最多八次尝试，系统在99%的情况下成功完成任务。该指标反映了系统在失败后恢复的能力，并在重复动作时考虑上下文，而不是单次孤立尝试的准确性。
作为编码代理，团队比较了GPT-5.5上的Codex、Opus 4.7上的Claude Code和Kimi K2.6上的Kimi Code。评估在Push-T和插针任务的AutoEnvBench基准中进行。
研究人员还在RoboCasa中测试了ENPIRE——一个模拟家庭任务的模拟器，例如打开橱柜和抽屉，以及在厨房中打开或关闭物体。在这些场景中，ENPIRE的表现优于Nvidia的GR00T和CaP-X——一个使用工具但不进行完整自动研究周期的代理系统。
八个机器人加速了训练
工作的一个独立部分专注于扩展到机器人舰队。Nvidia在八个机器人站上进行了实验，每个站都有两个操纵器。每个站都有自己的硬件、计算机和AI编码代理。
这些站点通过 Git 交换结果：一个成功的想法或代码更改可以在代理之间迅速传播。这种方法使得减少训练时间成为可能。根据 Decrypt 的报道，从一个机器人过渡到八个机器人的过程中，掌握 Push-T 的时间从大约五小时减少到两小时。对于 Pin Insertion，时间从超过 90 分钟降至约 40 分钟。
限制
作者强调，扩展并不能解决所有问题。当代理读取日志、编写代码、调试或等待基础语言模型的响应时，机器人和计算资源并未得到充分利用。随着机器人数量的增加，GPU 活动增加，但机器人的平均利用率却下降。代理团队花费更多时间总结其他分支的结果和协调，而不是仅仅进行物理运行。
另一个限制是令牌消耗的增长。更大规模的机器人队伍使政策更快地达到工作状态，但由于读取日志、分享想法和代理之间的协调，需要更多的令牌。
此外，ENPIRE 迄今为止仅在有限的操作任务集上展示。其结果并不意味着机器人已经能够在没有工程准备的开放环境中独立掌握任意物理技能。
请记住，在六月，英伟达推出了以撒 GR00T 参考人形机器人——一个用于开发和测试人形机器人技能的研究参考设计。该配置包括一个 Unitree H2 Plus 机身和 Sharpa Wave 的触觉五指手。
早些时候，Unitree 推出了“世界上首个准备大规模生产”的有人驾驶机器人。该安卓机器人能够在两条和四条肢体上移动。
来源：ForkLog
