NVIDIA ENPIRE: Агенти ШІ беруть на себе навчання роботів — прорив в автоматизації фізичного світу
Індустрія робототехніки стоїть на порозі фундаментального зсуву. Дослідницька група, що об'єднала зусилля Nvidia, Carnegie Mellon University та Каліфорнійського університету в Берклі, представила фреймворк ENPIRE. Це не просто черговий алгоритм; це повноцінна екосистема, де ІІ-агенти для програмування самостійно керують циклом навчання фізичних роботів, мінімізуючи участь людини.
Ключова ідея ENPIRE — перетворити процес навчання з ручного, дорогого та повільного на автоматизований конвеєр. Система працює за замкнутим циклом: робот виконує завдання, середовище автоматично оцінює результат і повертається у вихідний стан, а ІІ-агент аналізує помилки, переписує код і запускає наступну ітерацію випробувань. Це переносить концепцію «AutoResearch» із цифрового світу у фізичний, де кожен експеримент пов'язаний із реальними обмеженнями — тертям, помилками захоплення, недосконалістю сенсорів.
Як влаштований ENPIRE: Чотири стовпи автономії
Фреймворк складається з чотирьох ключових модулів: Environment (автоматичне скидання сцени, верифікація та безпека), Policy Improvement (покращення політики керування), Rollout (оцінка політики на фізичних роботах) та Evolution (аналіз логів, пошук ідей у літературі, зміна інфраструктури та виправлення коду). Після первинного налаштування середовища людина може спостерігати за процесом, але не зобов'язана втручатися. Агент отримує дані з відео, траєкторій та функції винагороди, висуває гіпотезу, змінює код, тестує результат і зберігає покращення.
Реальні результати: 99% успіху та масштабування
У реальних експериментах ENPIRE продемонстрував вражаючі показники. На задачах маніпуляції, таких як штовхання Т-подібного об'єкта (Push-T) або вставка штирів в отвори діаметром 4 мм (Pin Insertion), система досягала успіху в 99% випадків, якщо агенту надавалося до восьми спроб. Важливо підкреслити, що це відображає здатність системи до навчання на помилках, а не точність одиничної дії.
Найцікавішим аспектом є масштабування. В експерименті з вісьмома роботизованими станціями, які обмінювалися результатами через Git, час навчання скоротився кардинально. Для Push-T він впав з приблизно п'яти годин до двох, а для Pin Insertion — з понад 90 до 40 хвилин. Це доводить, що колективний розум ІІ-агентів здатний експоненційно прискорювати фізичне навчання.
Обмеження та погляд у майбутнє
Однак не варто поспішати з висновками. Масштабування виявило і вузькі місця. Зі зростанням парку роботів збільшується час на координацію, читання логів та очікування відповіді від базової мовної моделі, що знижує завантаження самих роботів. Зростає і витрата токенів. Більше того, ENPIRE поки успішно працює на обмеженому наборі задач маніпуляції. Це не універсальний ключ до автономного освоєння будь-яких фізичних навичок у відкритому середовищі без ретельної інженерної підготовки.
Мій аналіз: ENPIRE — це не просто крок уперед, це зміна парадигми. Ми переходимо від епохи, де інженери пишуть код для роботів, до епохи, де ІІ-агенти пишуть код для навчання роботів. Це може радикально знизити вартість і час впровадження робототехніки в промисловості, логістиці та побуті. Однак питання про те, як цей підхід масштабуватиметься на задачі з високим ступенем невизначеності та варіативності, залишається відкритим. Наступні 12-18 місяців покажуть, наскільки гнучкою виявиться ця технологія за межами лабораторних умов.