Nvidia näitas ENPIRE'i: AI-agendid õpetavad roboteid ilma pideva inimjärelevalveta
Nvidia, Carnegie Mellon University ja UC Berkeley teadlased esitlesid ENPIRE’i - süsteemi, mis lubab AI-agentidel parandada päris robotite käitumist füüsiliste katsete kaudu. Kui tavalised coding agents oskavad juba koodist vigu otsida ja programme ümber kirjutada, siis siin saavad nad keerulisema keskkonna: robot peab päris maailmas tegevuse sooritama, süsteem kontrollib tulemust, viib stseeni algseisu ja käivitab järgmise katse.
See on robootika jaoks oluline samm, sest poliitikate käsitsi häälestamine on endiselt üks peamisi pidureid. Robotit ei piisa lihtsalt “paluda” detaili sisestada või eset võtta: tuleb koguda andmeid, kirjutada tasufunktsioon, kontrollida rikkeid, käivitada testid uuesti ja mitte seadet katki teha. ENPIRE pakib selle tsükli nelja moodulisse: automaatse lähtestuse ja kontrolliga keskkond, poliitika parandamine, katsete käivitamine ning variantide evolutsioon, kus agendid analüüsivad logisid ja parandavad algoritme.
Mis laboris õnnestus
Nvidia projekti lehel näidatakse Push-T ülesannet, tihvtide sisestamist, kaablisidemega töötamist ja GPU sisestamist. Autorid väidavad, et ENPIRE’i abil õpetatud poliitikad saavutasid demonstratsiooniülesannetes 99% pass@8. Oluline on, et pass@8 ei tähenda siin kaheksat sõltumatut õnnestunud duublit, mille seast valida: jutt on pikast jooksust, kus süsteem võib alamülesannetes tehtud vigadest kuni kaheksa korda taastuda.
Eraldi võrdlesid teadlased Codexit GPT-5.5-ga, Claude Code’i Opus 4.7-ga ja Kimi Code’i Kimi K2.6-ga. Võrdluse mõte ei ole ilus mudelitabel, vaid uue tööklassi kontroll: agent ei kirjuta lihtsalt koodi, vaid juhib väikest uurimisprogrammi füüsilisel seadmel.
Kus tuleb ettevaatlik olla
ENPIRE ei tee robotitest veel universaalseid töötajaid. Autorid kirjutavad piirangutest otse: roboteid ja GPU-sid ei kasutata täielikult, kuni agendid loevad logisid, kirjutavad koodi või ootavad mudeli vastuseid. Robotite arvu suurendamisel jõuab tulemus kiiremini, kuid tokenikulu kasvab ja koordineerimine muutub keerulisemaks.
Suund on siiski märgatav. Kui sellised tsüklid muutuvad töökindlamaks, võib osa robootika arengust toimuda mitte harvade käsitsi tehtud insenerikatsete kaudu, vaid pidevate autonoomsete jooksudena: agent pakub hüpoteesi, robot kontrollib seda riistvaras ja süsteem salvestab õnnestunud muudatused. See toob lähemale hetke, mil AI parandab mitte ainult tarkvara, vaid ka masinate oskusi füüsilises maailmas.
- research.nvidia.comENPIRE: Agentic Robot Policy Self-Improvement in the Real World
- arstechnica.comAI coding agents taught robots how to install GPUs and cut zip ties
- techmeme.comNvidia researchers unveil ENPIRE, an agent harness framework that develops robotic self-improvement strategies for physical tasks with minimal human supervision
