Nvidia және серіктестер ENPIRE: нақты жабдықта роботтарды автономды оқытуға арналған фреймворк ұсынды
Nvidia, Карнеги-Меллон университеті және Берклидегі Калифорния университетінің мамандарын біріктірген зерттеу тобы ENPIRE — роботтарды оқыту тәсілін түбегейлі өзгертетін инновациялық фреймворк ұсынды. Бұл жүйе бағдарламалауға маманданған AI-агенттерге физикалық жабдықпен тікелей жұмыс істей отырып, роботтарды басқару алгоритмдерін өз бетінше жетілдіруге мүмкіндік береді.
ENPIRE-дің негізгі ерекшелігі — оқытудың тұйық циклін іске асыру. Робот тапсырманы орындайды, орта нәтижені автоматты түрде бағалап, бастапқы күйге қайтарады, ал AI-агент қателерді талдап, кодты түзетіп, сынақтардың келесі итерациясын іске қосады. Бұл дәстүрлі түрде процесті баяулатып, қымбаттатқан инженерлердің тұрақты араласу қажеттілігін жояды.
ENPIRE қалай жұмыс істейді
Робототехникада нақты жабдықта оқыту әрқашан қымбат және баяу болды. Әрбір сәтсіз әрекет көріністі қолмен бастапқы күйге қайтаруды, нәтижені тексеруді және алгоритмді өзгертуді талап етеді. ENPIRE физикалық әлемге AutoResearch тұжырымдамасын көшіреді, мұнда AI-агенттер код жазады, оны сынайды және жетілдіреді. Алайда, цифрлық симуляциядан айырмашылығы, мұнда әрбір эксперимент нақты физикалық шектеулермен: үйкеліспен, ұстау қателіктерімен, сенсорлардың жетілмегендігімен байланысты.
Фреймворк төрт модульден тұрады:
- Environment — көріністі автоматты түрде қалпына келтіруге, нәтижені тексеруге, журналға тіркеуге және қауіпсіздікке жауап береді.
- Policy Improvement — басқару саясатын жақсарту процесін іске қосады.
- Rollout — ағымдағы саясатты бір немесе бірнеше физикалық роботтарда бағалайды.
- Evolution — агенттерге журналдарды талдауға, әдебиеттен идеялар іздеуге, оқыту инфрақұрылымын өзгертуге және кодты түзетуге мүмкіндік береді.
Ортаны бастапқы конфигурациялағаннан кейін цикл адамның тұрақты бақылауынсыз жұмыс істей алады. Агент бейне, траекториялар және сыйақы функциясынан деректер алады, гипотеза ұсынады, кодты өзгертеді, нәтижені роботта сынайды және көрсеткіштерді жақсартса, өзгерістерді сақтайды.
Тексеру мен қалпына келтіруді автоматтандыру
ENPIRE-дің негізгі элементі — екі маңызды операцияны автоматтандыру: нәтижені тексеру және көріністі бастапқы күйге қайтару. Біріншісі жүйеге тапсырманың орындалғанын өз бетінше анықтауға мүмкіндік береді. Мысалы, кабельдік байлам сценарийінде бағалау функциясы детекторды, сегментация моделін және екі камера бойынша тексеруді біріктірді. Осылайша агент әрбір өтуді қолмен белгілемей-ақ сәттілік немесе қате сигналын алды.
Автоматты қалпына келтіру қатарынан көптеген әрекеттерді іске қосуға мүмкіндік береді. Сәтсіз әрекеттен кейін робот объектіні немесе көріністі келесі экспериментке жарамды күйге қайтарады. Онсыз нақты жабдықта оқыту адамның тұрақты қатысуы қажеттілігіне тез тіреледі.
Нақты роботтардағы нәтижелер
Эксперименттерде команда ENPIRE-ді бірнеше манипуляция тапсырмаларында сынады: Push-T (T-тәрізді объектіні берілген аймаққа итеру), Pin Insertion (диаметрі 4 мм тесіктерге түйреуіштерді салу), GPU орнату және кабельдік байламмен операциялар. Жүйе агентке алдыңғы қателерді ескере отырып, сегіз әрекетке дейін берілсе, 99% жағдайда тапсырманы сәтті орындады. Бұл көрсеткіш жүйенің сәтсіздіктерден кейін қалпына келу қабілетін көрсетеді, бөлінген әрекеттің дәлдігін емес.
Бағдарламалау агенттері ретінде GPT-5.5 негізіндегі Codex, Opus 4.7 негізіндегі Claude Code және Kimi K2.6 негізіндегі Kimi Code салыстырылды. Бағалау Push-T және Pin Insertion тапсырмаларында AutoEnvBench бенчмаркінде жүргізілді. Тұрмыстық тапсырмалар симуляторы RoboCasa-да ENPIRE Nvidia-ның GR00T және CaP-X — толық автоматты зерттеу циклін іске қоспайтын агенттік жүйеден асып түсті.
Роботтар паркіне масштабтау
Жұмыстың жеке блогы масштабтауға арналған. Nvidia екі манипуляторы бар сегіз роботтандырылған станцияда эксперимент жүргізді. Станциялар Git арқылы нәтижелермен алмасып, оқыту уақытын қысқартуға мүмкіндік берді. Бір роботтан сегізге көшу Push-T меңгеру уақытын шамамен бес сағаттан екі сағатқа, ал Pin Insertion үшін 90 минуттан 40 минутқа дейін қысқартты.
Шектеулер мен қорытындылар
Масштабтау барлық мәселелерді шешпейді. Агенттер журналдарды оқығанда, код жазғанда немесе тілдік модельдің жауабын күткенде, роботтар мен есептеу ресурстары толық пайдаланылмайды. Роботтар санының артуымен GPU белсенділігі артады, бірақ роботтардың өздерінің орташа жүктемесі төмендейді. Агенттер топтары физикалық өтулерге емес, үйлестіруге көбірек уақыт жұмсайды. Сондай-ақ токендер шығыны артады.
ENPIRE әзірге манипуляция тапсырмаларының шектеулі жиынтығында көрсетілген. Оның нәтижелері роботтардың инженерлік дайындықсыз ашық ортада кез келген физикалық дағдыларды өз бетінше меңгере алатынын білдірмейді. Дегенмен, бұл робототехниканы автоматтандырудағы маңызды қадам.
Менің пікірім: ENPIRE — бұл жай ғана кезекті құрал емес, шынайы автономды робототехникаға қарай парадигманың ауысуы. Физикалық жабдықта «қате-талдау-түзету» циклін автоматтандыру — заманауи зертханалық прототиптерді өнеркәсіптік шешімдерден бөлетін нәрсе. Егер Nvidia бұл тәсілді тапсырмалардың кең ауқымына масштабтай алса, біз роботтардың нақты өндірістік процестерге енгізілуінің күрт жеделдеуіне куә боламыз.