Nvidia представила ENPIRE для автоматизованого навчання роботів

Nvidia спільно з дослідниками з Carnegie Mellon University та University of California, Berkeley представили ENPIRE — фреймворк, який дозволяє агентам штучного інтелекту автоматично покращувати політики керування на фізичних роботах через цикл виконання завдання, оцінки результату й скидання сцени.

Фреймворк складається з чотирьох модулів. Environment забезпечує автоматичне скидання сцени в початковий стан, перевірку успіху операції, логування та інтерфейси безпеки. Policy Improvement відповідає за пошук і застосування змін у політиці керування. Rollout проганяє політику на одному або кількох фізичних роботах для збору даних про виконання. Evolution дає агентам доступ до логів, наукових джерел і дозволяє змінювати інфраструктуру навчання та виправляти код. Після початкового налаштування середовища цикл може повторюватися без постійного людського нагляду.

У робочому процесі агент отримує відео, траєкторії руху та функцію винагороди, формулює гіпотезу, змінює код і тестує оновлену політику на реальному обладнанні. Система зберігає зміни лише якщо показник винагороди покращується. Автоматична перевірка успіху й повернення сцени у вихідний стан дозволяють виконувати багато прого́нів підряд без ручного втручання. Для задачі з кабельною стяжкою функція оцінювання комбінувала детектор, модель сегментації й перевірку з двох камер, щоб видавати сигнал успіху або помилки без ручної розмітки кожного прогона.

ENPIRE тестували на декількох завданнях маніпуляції: Push-T (зрушення Т-подібного об’єкта в задану зону), Pin Insertion (вставлення штифтів у отвори діаметром 4 мм), встановлення GPU та операції з кабельною стяжкою. У реальних випробуваннях система досягла 99% успіху за умови, що агент мав до восьми спроб з урахуванням повторних дій. Для оцінювання використовували бенчмарк AutoEnvBench для завдань Push-T і Pin Insertion. Команда порівнювала агенти програмування на базі Codex (GPT-5.5), Claude Code (Opus 4.7) і Kimi Code (Kimi K2.6).

Окремі експерименти перевірили масштабування на восьми роботизованих станціях, кожна з двома маніпуляторами і власним агентом. Станції обмінювалися результатами через систему контролю версій, що дозволило швидко поширювати вдалі зміни коду. Перехід від одного робота до восьми скоротив час навчання для Push-T приблизно з п’яти до двох годин, а для Pin Insertion — з понад 90 хвилин до близько 40 хвилин.

Автори вказують на обмеження: при масштабуванні зростає навантаження на GPU і витрати токенів для мовних моделей, тоді як фізичні роботи можуть бути менш завантажені під час читання логів і налагодження коду. ENPIRE поки продемонстровано на обмеженому наборі задач маніпуляції і вимагає початкової інженерної підготовки середовища для створення процедури скидання та функції винагороди.

У контексті інших проєктів Nvidia у червні представили референс-дизайн Isaac GR00T для розробки навичок гуманоїдних роботів; ENPIRE призначено для автоматизованого навчання у задачах маніпуляції на реальному обладнанні, а не для безпілотного опанування довільних фізичних навичок у відкритому середовищі без інженерної підготовки.