Nvidia ENPIRE: Адамның қатысуынсыз роботтарды үйрететін ИИ-агенттер — автономды робототехникаға жасалған жаңа қадам
Nvidia, Carnegie Mellon University және Берклидегі Калифорния университетінің сарапшыларын біріктірген зерттеу тобы ENPIRE фреймворкін ұсынды. Бұл робототехникаға арналған кезекті кітапхана ғана емес — бұл код жазуға маманданған AI-агенттер нақты роботтарды басқару саясатын жақсарту процесін өз мойнына алатын толыққанды экожүйе. Жүйе тұйық цикл бойынша жұмыс істейді: робот тапсырманы орындайды, орта нәтижені автоматты түрде бағалап, бастапқы күйге қайтарады, ал агент қателерді талдап, кодты қайта жазып, сынақтардың жаңа сериясын іске қосады.
ENPIRE қалай құрылған: автоматтандырудың төрт модулі
Дәстүрлі робототехникада нақты жабдықта оқыту қымбат және баяу. Әрбір сәтсіз әрекет көріністі қолмен қалпына келтіруді, нәтижені тексеруді және алгоритмді түзетуді талап етеді. ENPIRE Nvidia сандық симуляцияларда сынап қойған AutoResearch тұжырымдамасын физикалық әлемге ауыстырады. Фреймворк төрт негізгі модульден тұрады:
- Environment — көріністі автоматты түрде қалпына келтіруге, нәтижені тексеруге, журналға тіркеуге және қауіпсіздік интерфейстеріне жауап береді.
- Policy Improvement — басқару саясатын жақсартудың итеративті 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 жүре алады. Агент бейне, траекториялар және сыйақы функциясынан деректер алады, жаңа гипотеза ұсынады, кодты өзгертеді, нәтижені роботта тексереді және көрсеткішті жақсартса, өзгерістерді сақтайды.
Автоматты тексеру және қалпына келтіру: масштабтаудың кілті
ENPIRE-дің ең маңызды элементі — екі операцияны автоматтандыру: нәтижені тексеру және көріністі бастапқы күйге қайтару. Онсыз нақты жабдықта оқыту адамның тұрақты қатысуын қажет ететін кедергіге тез тап болады. Мысалы, кабельдік байлау сценарийінде бағалау функциясы детекторды, сегментациялық модельді және екі камера бойынша тексеруді біріктірді, бұл агентке әрбір өтуді қолмен белгілемей-ақ сәттілік немесе қате сигналын алуға мүмкіндік берді. Автоматты қалпына келтіру, өз кезегінде, тиімді оқыту үшін маңызды болып табылатын көптеген әрекеттерді қатарынан іске қосуға мүмкіндік береді.
Нақты роботтардағы эксперименттер: 99% сәттілік
Нақты эксперименттерде команда ENPIRE-ді бірнеше манипуляциялық тапсырмаларда сынады: Push-T (T-тәрізді нысанды берілген аймаққа итеру), Pin Insertion (диаметрі 4 мм тесіктерге штифтерді салу), GPU орнату және кабельдік байлау операциялары. Жоба бетінде көрсетілгендей, жүйе алдыңғы қателерді ескере отырып, агентке сегіз әрекетке дейін берілсе, тапсырманы 99% жағдайда сәтті орындады. Бұл көрсеткіш жүйенің сәтсіздіктерден кейін қалпына келу қабілетін көрсетеді, оқшауланған 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 тапсырмалары бойынша AutoEnvBench бенчмаркінде өтті. Сонымен қатар, ENPIRE Nvidia-ның GR00T және CaP-X-тен асып түскен тұрмыстық тапсырмалар симуляторы RoboCasa-да сыналды.
Сегіз робот: масштабтау оқытуды жеделдетеді
Жұмыстың жеке блогы роботтар паркіне масштабтауға арналған. Nvidia әрқайсысы екі манипуляторы бар сегіз станцияда эксперимент жүргізді. Станциялар нәтижелерді Git арқылы алмасты: сәтті идея немесе кодтың өзгеруі агенттер арасында тез тарала алады. Бір роботтан сегізге көшу Push-T меңгеру уақытын шамамен бес сағаттан екі сағатқа дейін, ал Pin Insertion үшін 90 минуттан астам уақыттан шамамен 40 минутқа дейін қысқартты.
Шектеулер және болашаққа көзқарас
Авторлар масштабтау барлық мәселелерді шешпейтінін атап көрсетеді. Агенттер журналдарды оқығанда, код жазғанда немесе базалық тілдік модельдің жауабын күткенде, роботтар мен есептеу ресурстары толық пайдаланылмайды. Роботтар санының артуымен GPU белсенділігі артады, бірақ роботтардың өздерінің орташа жүктемесі төмендейді. Сондай-ақ токендердің шығыны артады. Және маңыздысы, ENPIRE әзірге манипуляциялық тапсырмалардың шектеулі жиынтығында көрсетілген. Бұл роботтар инженерлік дайындықсыз ашық ортада кез келген физикалық дағдыларды өздігінен меңгере алады дегенді білдірмейді.
Сарапшылық пікір: ENPIRE — автономды робототехникаға қарай маңызды қадам, бірақ ол "тар жер" физика емес, есептеу ресурстары мен AI-агенттерді үйлестіру екенін көрсетеді. Біз роботтар бір-бірінен үйрене алатын дәуірдің табалдырығында тұрмыз, бірақ бұл оқытудың бағасы — токендер мен GPU қуаттарын тұтынудың экспоненциалды өсуі. Инвесторлар осы процестерді оңтайландыруды ұсынатын компанияларға назар аударуы керек.