Nvidia ENPIRE: ИИ-агенты учат роботов без участия человека — новый шаг к автономной робототехнике
Исследовательская группа, объединившая экспертов Nvidia, Carnegie Mellon University и Калифорнийского университета в Беркли, представила фреймворк ENPIRE. Это не просто очередная библиотека для робототехники — это полноценная экосистема, в которой ИИ-агенты, специализирующиеся на написании кода, берут на себя процесс улучшения политик управления реальными роботами. Система работает по замкнутому циклу: робот выполняет задачу, среда автоматически оценивает результат и возвращается в исходное состояние, а агент анализирует ошибки, переписывает код и запускает новую серию испытаний.
Как устроен ENPIRE: четыре модуля автоматизации
В традиционной робототехнике обучение на реальном оборудовании — это дорого и медленно. Каждая неудачная попытка требует ручного возврата сцены, проверки результата и корректировки алгоритма. ENPIRE переносит в физический мир концепцию AutoResearch, уже опробованную Nvidia в цифровых симуляциях. Фреймворк состоит из четырех ключевых модулей:
- Environment — отвечает за автоматический сброс сцены, проверку результата, логирование и интерфейсы безопасности.
- Policy Improvement — запускает итеративный процесс улучшения политики управления.
- Rollout — оценивает текущую политику на одном или нескольких физических роботах.
- Evolution — позволяет агентам анализировать логи, искать идеи в литературе, менять инфраструктуру обучения и исправлять код.
После первичной настройки среды цикл может идти без постоянного наблюдения человека. Агент получает данные из видео, траекторий и функции награды, предлагает новую гипотезу, меняет код, тестирует результат на роботе и сохраняет изменения, если они улучшают показатель.
Автоматическая проверка и сброс: ключ к масштабированию
Самый важный элемент ENPIRE — автоматизация двух операций: проверки результата и возврата сцены в исходное состояние. Без этого обучение на реальном оборудовании быстро упирается в необходимость постоянного участия человека. Например, в сценарии с кабельной стяжкой функция оценки объединяла детектор, сегментационную модель и проверку по двум камерам, что позволяло агенту получать сигнал успеха или ошибки без ручной разметки каждого прогона. Автоматический сброс, в свою очередь, позволяет запускать много попыток подряд, что критически важно для эффективного обучения.
Эксперименты на реальных роботах: 99% успеха
В реальных 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. На странице проекта указано, что 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 проходила в бенчмарке AutoEnvBench на задачах Push-T и Pin Insertion. Кроме того, ENPIRE был протестирован в RoboCasa — симуляторе бытовых задач, где он превзошел GR00T от Nvidia и CaP-X.
Восемь роботов: масштабирование ускоряет обучение
Отдельный блок работы посвящен масштабированию на парк роботов. Nvidia провела эксперимент на восьми станциях с двумя манипуляторами каждая. Станции обменивались результатами через Git: удачная идея или изменение кода могли быстро распространяться между агентами. 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 минут до около 40 минут.
Ограничения и взгляд в будущее
Авторы подчеркивают, что масштабирование не решает всех проблем. Когда агенты читают логи, пишут код или ждут ответа базовой языковой модели, роботы и вычислительные ресурсы используются не полностью. С ростом числа роботов увеличивается GPU-активность, но средняя загрузка самих роботов снижается. Также растет расход токенов. И, что важно, ENPIRE пока показан на ограниченном наборе задач манипуляции. Это не означает, что роботы уже могут самостоятельно осваивать произвольные физические навыки в открытой среде без инженерной подготовки.
Экспертный комментарий: ENPIRE — это важный шаг к автономной робототехнике, но он демонстрирует, что "узким местом" становится не столько физика, сколько вычислительные ресурсы и координация ИИ-агентов. Мы стоим на пороге эпохи, когда роботы смогут учиться друг у друга, но цена этого обучения — экспоненциальный рост потребления токенов и GPU-мощностей. Инвесторам стоит присмотреться к компаниям, которые предлагают решения для оптимизации этих процессов.