Новости криптомира

Исследовательская группа, объединившая специалистов Nvidia, Университета Карнеги-Меллон и Калифорнийского университета в Беркли, представила ENPIRE — инновационный фреймворк, кардинально меняющий подход к обучению роботов. Эта система позволяет ИИ-агентам, специализирующимся на программировании, самостоятельно улучшать алгоритмы управления роботами, работая непосредственно с физическим оборудованием.

Ключевая особенность ENPIRE — реализация замкнутого цикла обучения. Робот выполняет задачу, среда автоматически оценивает результат и возвращается в исходное состояние, а ИИ-агент анализирует ошибки, корректирует код и запускает следующую итерацию испытаний. Это избавляет от необходимости постоянного вмешательства инженеров, которое традиционно замедляло и удорожало процесс.

Как работает ENPIRE

В робототехнике обучение на реальном оборудовании всегда было дорогим и медленным. Каждая неудачная попытка требует ручного возврата сцены в исходное состояние, проверки результата и изменения алгоритма. ENPIRE переносит в физический мир концепцию AutoResearch, где ИИ-агенты пишут код, тестируют его и улучшают. Однако, в отличие от цифровой симуляции, здесь каждый эксперимент сопряжен с реальными физическими ограничениями: трением, ошибками захвата, несовершенством сенсоров.

Фреймворк состоит из четырех модулей:

• Environment — отвечает за автоматический сброс сцены, проверку результата, логирование и безопасность.
• Policy Improvement — запускает процесс улучшения политики управления.
• Rollout — оценивает текущую политику на одном или нескольких физических роботах.
• Evolution — позволяет агентам анализировать логи, искать идеи в литературе, изменять инфраструктуру обучения и исправлять код.

После начальной настройки среды цикл может работать без постоянного наблюдения человека. Агент получает данные из видео, траекторий и функции награды, выдвигает гипотезу, изменяет код, тестирует результат на роботе и сохраняет изменения, если они улучшают показатели.

Автоматизация проверки и сброса

Ключевой элемент ENPIRE — автоматизация двух критически важных операций: проверки результата и возврата сцены в исходное состояние. Первая позволяет системе самостоятельно определить, выполнена ли задача. Например, в сценарии с кабельной стяжкой функция оценки объединяла детектор, сегментационную модель и проверку по двум камерам. Так агент получал сигнал успеха или ошибки без ручной разметки каждого прогона.

Автоматический сброс позволяет запускать множество попыток подряд. После неудачного действия робот возвращает объект или сцену в состояние, пригодное для следующего эксперимента. Без этого обучение на реальном оборудовании быстро упирается в необходимость постоянного участия человека.

Результаты на реальных роботах

В экспериментах команда тестировала ENPIRE на нескольких задачах манипуляции: Push-T (толкание T-образного объекта в заданную зону), Pin Insertion (вставка штырей в отверстия диаметром 4 мм), установка GPU и операции с кабельной стяжкой. Система успешно справлялась с заданием в 99% случаев, если агенту давали до восьми попыток с учетом предыдущих ошибок. Этот показатель отражает способность системы восстанавливаться после неудач, а не точность одной изолированной попытки.

В качестве агентов для программирования сравнивались Codex на GPT-5.5, Claude Code на Opus 4.7 и Kimi Code на Kimi K2.6. Оценка проводилась в бенчмарке AutoEnvBench на задачах Push-T и Pin Insertion. В симуляторе бытовых задач RoboCasa ENPIRE превзошел GR00T от Nvidia и CaP-X — агентную систему, которая не запускает полный цикл автоматического исследования.

Масштабирование на парк роботов

Отдельный блок работы посвящен масштабированию. Nvidia провела эксперимент на восьми роботизированных станциях с двумя манипуляторами. Станции обменивались результатами через Git, что позволило сократить время обучения. Переход от одного робота к восьми сократил время освоения Push-T примерно с пяти до двух часов, а для Pin Insertion — с более чем 90 до около 40 минут.

Ограничения и выводы

Масштабирование не решает всех проблем. Когда агенты читают логи, пишут код или ждут ответа языковой модели, роботы и вычислительные ресурсы используются не полностью. С ростом числа роботов увеличивается GPU-активность, но средняя загрузка самих роботов снижается. Команды агентов тратят больше времени на координацию, а не на физические прогоны. Также растет расход токенов.

ENPIRE пока показан на ограниченном наборе задач манипуляции. Его результаты не означают, что роботы уже могут самостоятельно осваивать произвольные физические навыки в открытой среде без инженерной подготовки. Тем не менее, это значительный шаг вперед в автоматизации робототехники.

Мой комментарий: ENPIRE — это не просто очередной инструмент, а сдвиг парадигмы в сторону truly autonomous robotics. Автоматизация цикла «ошибка-анализ-исправление» на физическом оборудовании — это то, что отделяет современные лабораторные прототипы от промышленных решений. Если Nvidia удастся масштабировать этот подход на более широкий спектр задач, мы станем свидетелями резкого ускорения внедрения роботов в реальные производственные процессы.