Nvidia ENPIRE: ИИ-агенттер роботтарды оқытуды өз мойнына алады — автономды робототехниканың жаңа стандарты
Робототехника нарығы түбегейлі өзгерістер табалдырығында тұр. Nvidia зерттеу тобы Carnegie Mellon University және Калифорния университетінің Берклидегі әріптестерімен бірлесіп ENPIRE фреймворкін ұсынды. Бұл бағдарламалауға арналған кезекті құрал ғана емес — бұл AI-агенттер физикалық роботтардың оқу циклін өз бетінше басқаратын толыққанды экожүйе.
ENPIRE-дің негізгі инновациясы — тұйық цикл: робот тапсырманы орындайды, орта нәтижені автоматты түрде бағалап, бастапқы күйге қайтарады, ал AI-агент қателерді талдап, кодты қайта жазып, келесі сынақ сериясын іске қосады. Адам факторы барынша азайтылады, бұл оқу процесін түбегейлі жылдамдатады.
ENPIRE қалай жұмыс істейді
Дәстүрлі робототехникада нақты жабдықта оқыту — инженерлердің тұрақты қатысуын талап ететін қымбат және баяу процесс. Әр сәтсіз әрекет көріністі қолмен қайтаруды, нәтижені тексеруді және алгоритмді түзетуді қажет етеді. ENPIRE физикалық әлемге AutoResearch тұжырымдамасын енгізеді, мұнда AI-агенттер код жазады, оны тексереді және келесі итерацияларда жетілдіреді. Алайда, цифрлық ортадан айырмашылығы, мұнда әрбір эксперимент нақты физикалық шектеулермен байланысты: ұстау қателері, үйкеліс және жабдықтың жетілмегендігі.
Фреймворк төрт негізгі модульден тұрады:
- Environment: көріністі автоматты түрде қалпына келтіру, нәтижені тексеру, журналға тіркеу және қауіпсіздік интерфейстері.
- Policy Improvement: басқару саясатын жақсартуды іске қосу.
- Rollout: бір немесе бірнеше физикалық роботтарда саясатты бағалау.
- Evolution: журналдарды талдау, әдебиеттен идеялар іздеу, оқу инфрақұрылымын өзгерту және кодты түзету.
Автоматты тексеру және қалпына келтіру: автономдылықтың негізі
Екі операцияны — нәтижені тексеру мен көріністі бастапқы күйге қайтаруды — автоматтандыру ENPIRE-дің іргетасы болып табылады. Жүйе детекторлардың, сегментациялық модельдердің және көпкамералық тексерудің комбинациясын қолдана отырып, тапсырманың орындалғанын өзі анықтайды. Бұл әрбір өтуді қолмен белгілемей-ақ қатарынан көптеген әрекеттерді іске қосуға мүмкіндік береді. Автоматты қалпына келтіру, өз кезегінде, адамның тұрақты қатысу қажеттілігін жояды, бұл масштабтау үшін өте маңызды.
Нақты роботтардағы нәтижелер
Эксперименттерде ENPIRE бірнеше манипуляциялық тапсырмаларда сыналды: Push-T (T-тәрізді нысанды берілген аймаққа итеру), Pin Insertion (диаметрі 4 мм тесіктерге түйреуіштерді енгізу), GPU орнату және кабельдік байламмен операциялар. Нақты тапсырмаларда жүйе 99% жағдайда сәтті орындады, егер агентке алдыңғы қателерді ескере отырып, сегіз әрекетке дейін берілсе. Бұл көрсеткіш жүйенің сәтсіздіктерден кейін қалпына келу және контексті ескере отырып әрекеттерді қайталау қабілетін көрсетеді.
Бағдарламалау агенттері ретінде GPT-5.5 негізіндегі Codex, Opus 4.7 негізіндегі Claude Code және Kimi K2.6 негізіндегі Kimi Code салыстырылды. Бағалау AutoEnvBench бенчмаркінде өтті. Тұрмыстық тапсырмалар симуляторы RoboCasa-да ENPIRE Nvidia-ның GR00T және CaP-X-тен асып түсті.
Масштабтау: сегіз робот — аз уақыт
Жұмыстың жеке блогы роботтар паркіне масштабтауға арналған. Сегіз роботтандырылған станциядағы эксперимент нәтижелерді Git арқылы алмасу оқу уақытын қысқартуға мүмкіндік беретінін көрсетті. Бір роботтан сегізге көшу Push-T-ны меңгеру уақытын шамамен бес сағаттан екі сағатқа дейін, ал Pin Insertion-ды 90 минуттан астам уақыттан шамамен 40 минутқа дейін қысқартты.
Шектеулер мен перспективалар
Авторлар масштабтау барлық мәселелерді шешпейтінін әділ атап өтеді. Роботтар санының өсуімен GPU белсенділігі артады, бірақ роботтардың өздерінің орташа жүктемесі үйлестіру мен нәтижелерді жалпылауға кететін уақытқа байланысты төмендейді. Сондай-ақ токендердің шығыны артады. Сонымен қатар, ENPIRE әзірге манипуляциялық тапсырмалардың шектеулі жиынтығында көрсетілген.
Менің сараптамалық пікірім: ENPIRE — бұл алға жасалған бір қадам ғана емес, бұл парадигманың өзгеруі. Біз қолмен бағдарламалаудан AI-агенттер физикалық әлемді өздері зерттейтін автономды оқытуға көшіп жатырмыз. Бұл адамның қатысуынсыз жаңа тапсырмаларға бейімделе алатын шынайы әмбебап роботтарды жасауға жол ашады. Алайда, кез келген серпіліс сияқты, ENPIRE жаңа сұрақтар қояды: есептеу шығындарын қалай басқаруға және жүздеген роботтарға масштабтау кезінде қауіпсіздікті қалай қамтамасыз етуге болады.