Nvidia ENPIRE ұсынады: нақты жабдықта роботтарды оқытуға арналған автономды AI-фреймворк
Nvidia, Карнеги-Меллон университеті және Берклидегі Калифорния университетінің мамандарын біріктірген зерттеу тобы ENPIRE инновациялық фреймворкін ұсынды. Бұл жүйе робототехникадағы жаңа кезеңді белгілей отырып, бағдарламалауға арналған AI-агенттеріне физикалық жабдықта тікелей жұмыс істей отырып, роботтарды басқару саясатын өздігінен жетілдіруге мүмкіндік береді.
ENPIRE тұжырымдамасы тұйық циклге негізделген: робот тапсырманы орындайды, орта нәтижені автоматты түрде бағалап, бастапқы күйге қайтарады, ал AI-агент қателерді талдап, кодты қайта жазып, келесі сынақ сериясын іске қосады. Мұндай тәсіл әрбір сәтсіз әрекет сахнаны қайтару және алгоритмді түзету үшін инженердің қолмен араласуын талап ететін дәстүрлі процесті түбегейлі өзгертеді.
ENPIRE архитектурасы және негізгі модульдері
Фреймворк төрт негізгі модульден тұрады: Environment сахнаны автоматты түрде қалпына келтіруге, нәтижелерді тексеруге және қауіпсіздікке жауап береді; Policy Improvement басқару саясатын жақсартумен айналысады; Rollout бір немесе бірнеше физикалық роботтарда саясаттың тиімділігін бағалайды; Evolution агенттерге журналдарды талдауға, әдебиеттен идеялар іздеуге және кодты түзетуге мүмкіндік береді. Ортаны бастапқы конфигурациялаудан кейін цикл адамның қатысуынсыз дерлік жұмыс істей алады.
Автоматтандыру және тестілеу нәтижелері
Негізгі инновация екі маңызды операцияны автоматтандыру болды: нәтижені тексеру және сахнаны бастапқы күйге қайтару. Жүйе тапсырманың сәттілігін өздігінен анықтау үшін детекторлардың, сегментация модельдерінің және камералардың комбинациясын пайдаланады, бұл әрбір өтуді қолмен белгілеу қажеттілігін жояды. T-тәрізді нысандарды итеруден бастап диаметрі 4 мм тесіктерге штифтерді дәл енгізуге дейінгі тапсырмаларды қамтитын нақты эксперименттерде жүйе әсерлі сенімділікті көрсетті — агентке алдыңғы қателерді ескере отырып, сегіз әрекетке дейін берілген жағдайда тапсырмалардың 99% сәтті орындалуы.
GPT-5.5 бойынша Codex, Opus 4.7 бойынша Claude Code және Kimi K2.6 бойынша Kimi Code сияқты әртүрлі AI-агенттерін салыстыру ENPIRE-дің Nvidia-ның GR00T және CaP-X сияқты қолданыстағы шешімдерден RoboCasa тұрмыстық тапсырмалар симуляторында асып түсетінін көрсетті. Сегіз роботтандырылған станциядан тұратын паркке масштабтау эксперименті ерекше қызығушылық тудырады. Агенттер арасында нәтижелермен алмасу үшін Git пайдалану Push-T тапсырмасын үйрену уақытын бес сағаттан екі сағатқа, ал Pin Insertion-ды 90 минуттан 40 минутқа дейін қысқартуға мүмкіндік берді.
Шектеулер мен перспективалар
Серпіліске қарамастан, технологияның шектеулері бар. Масштабтау кезінде GPU-ға жүктеме мен токендерді тұтыну артады, себебі агенттер журналдарды оқуға және үйлестіруге уақыт жұмсайды. Сонымен қатар, ENPIRE әзірге манипуляциялық тапсырмалардың шектеулі жиынтығында көрсетілді және оның нәтижелері роботтардың алдын ала инженерлік дайындықсыз ашық ортада кез келген физикалық дағдыларды өздігінен меңгере алатынына кепілдік бермейді.
Менің сараптамалық қорытындым: ENPIRE — бұл жай ғана кезекті фреймворк емес, роботтарды оқыту парадигмасындағы түбегейлі өзгеріс. Нақты жабдықта «қате-талдау-түзету» циклін автоматтандыру бізді роботтардың адамдар өз тәжірибесінен үйренетіндей өз дағдыларын өздігінен жетілдіре алатын дәуірге жақындатады. Дегенмен, құрылымсыз ортада жұмыс істей алатын толық автономды физикалық агенттерге апаратын жол әлі де масштабтау және ресурс сыйымдылығы мәселелерін шешуді талап етеді.