Новини криптоміра

Дослідницька група, що об'єднала фахівців Nvidia, Університету Карнегі-Меллон та Каліфорнійського університету в Берклі, представила ENPIRE — інноваційний фреймворк, який кардинально змінює підхід до навчання роботів. Ця система дозволяє ІІ-агентам, що спеціалізуються на програмуванні, самостійно вдосконалювати алгоритми керування роботами, працюючи безпосередньо з фізичним обладнанням.

Ключова особливість ENPIRE — реалізація замкненого циклу навчання. Робот виконує завдання, середовище автоматично оцінює результат і повертається у вихідний стан, а ІІ-агент аналізує помилки, коригує код і запускає наступну ітерацію випробувань. Це позбавляє необхідності постійного втручання інженерів, яке традиційно сповільнювало та здорожувало процес.

Як працює ENPIRE

У робототехніці навчання на реальному обладнанні завжди було дорогим і повільним. Кожна невдала спроба потребує ручного повернення сцени у вихідний стан, перевірки результату та зміни алгоритму. ENPIRE переносить у фізичний світ концепцію AutoResearch, де ІІ-агенти пишуть код, тестують його та вдосконалюють. Однак, на відміну від цифрової симуляції, тут кожен експеримент пов'язаний із реальними фізичними обмеженнями: тертям, помилками захоплення, недосконалістю сенсорів.

Фреймворк складається з чотирьох модулів:

• Environment — відповідає за автоматичне скидання сцени, перевірку результату, логування та безпеку.
• Policy Improvement — запускає процес покращення політики керування.
• Rollout — оцінює поточну політику на одному або кількох фізичних роботах.
• Evolution — дозволяє агентам аналізувати логи, шукати ідеї в літературі, змінювати інфраструктуру навчання та виправляти код.

Після початкового налаштування середовища цикл може працювати без постійного спостереження людини. Агент отримує дані з відео, траєкторій та функції винагороди, висуває гіпотезу, змінює код, тестує результат на роботі та зберігає зміни, якщо вони покращують показники.

Автоматизація перевірки та скидання

Ключовий елемент ENPIRE — автоматизація двох критично важливих операцій: перевірки результату та повернення сцени у вихідний стан. Перша дозволяє системі самостійно визначити, чи виконано завдання. Наприклад, у сценарії з кабельним стягуванням функція оцінки об'єднувала детектор, сегментаційну модель та перевірку за двома камерами. Таким чином агент отримував сигнал успіху або помилки без ручного розмічування кожного прогону.

Автоматичне скидання дозволяє запускати багато спроб поспіль. Після невдалої дії робот повертає об'єкт або сцену в стан, придатний для наступного експерименту. Без цього навчання на реальному обладнанні швидко впирається в необхідність постійної участі людини.

Результати на реальних роботах

В експериментах команда тестувала ENPIRE на кількох завданнях маніпуляції: Push-T (штовхання Т-подібного об'єкта в задану зону), Pin Insertion (вставка штирів в отвори діаметром 4 мм), встановлення GPU та операції з кабельним стягуванням. Система успішно справлялася із завданням у 99% випадків, якщо агенту давали до восьми спроб з урахуванням попередніх помилок. Цей показник відображає здатність системи відновлюватися після невдач, а не точність однієї ізольованої спроби.

Як агенти для програмування порівнювалися Codex на GPT-5.5, Claude Code на Opus 4.7 та Kimi Code на Kimi K2.6. Оцінка проводилася в бенчмарку AutoEnvBench на завданнях Push-T та Pin Insertion. У симуляторі побутових завдань RoboCasa ENPIRE перевершив GR00T від Nvidia та CaP-X — агентну систему, яка не запускає повний цикл автоматичного дослідження.

Масштабування на парк роботів

Окремий блок роботи присвячений масштабуванню. Nvidia провела експеримент на восьми роботизованих станціях з двома маніпуляторами. Станції обмінювалися результатами через Git, що дозволило скоротити час навчання. Перехід від одного робота до восьми скоротив час освоєння Push-T приблизно з п'яти до двох годин, а для Pin Insertion — з більш ніж 90 до близько 40 хвилин.

Обмеження та висновки

Масштабування не вирішує всіх проблем. Коли агенти читають логи, пишуть код або чекають відповіді мовної моделі, роботи та обчислювальні ресурси використовуються не повністю. Зі зростанням кількості роботів збільшується GPU-активність, але середнє завантаження самих роботів знижується. Команди агентів витрачають більше часу на координацію, а не на фізичні прогони. Також зростає витрата токенів.

ENPIRE поки показаний на обмеженому наборі завдань маніпуляції. Його результати не означають, що роботи вже можуть самостійно освоювати довільні фізичні навички у відкритому середовищі без інженерної підготовки. Тим не менш, це значний крок вперед в автоматизації робототехніки.

Мій коментар: ENPIRE — це не просто черговий інструмент, а зсув парадигми в бік truly autonomous robotics. Автоматизація циклу «помилка-аналіз-виправлення» на фізичному обладнанні — це те, що відділяє сучасні лабораторні прототипи від промислових рішень. Якщо Nvidia вдасться масштабувати цей підхід на ширший спектр завдань, ми станемо свідками різкого прискорення впровадження роботів у реальні виробничі процеси.