Репортаж от Wedoany，Компания Nvidia представила технологию воплощённого интеллекта под названием ENPIRE (Agentic Robot Policy Self-Improvement — самоулучшение политик агентных роботов), которая позволяет роботам самостоятельно обучаться и выполнять задачи высокой точности, включая установку графических процессоров (GPU) на материнские платы. Эта технология относится к области робототехники.
В опубликованном демонстрационном видео восемь роботов работают автономно и совместно, выполняя сложные задачи без вмешательства человека. Один манипулятор поднимает видеокарту и устанавливает её в слот PCIe на материнской плате, другой робот демонстрирует сортировку металлических штырьков в контейнере и точное перерезание кабельных стяжек. Джим Фан (Jim Fan), директор по искусственному интеллекту и выдающимся научным исследованиям в Nvidia, заявил, что эта демонстрация доказывает: исследователи могут «впервые активировать AutoResearch в физическом мире».
Фан объяснил, что проект ENPIRE предоставил восьми агентам Codex (Codex agents) набор роботов, распределение GPU и значительный токен-бюджет (token budget); этим агентам была поставлена задача — выполнить работу как можно быстрее и без ошибок. Весь парк роботов начал действовать: учиться находить визуальные подсказки, сбрасывать сцены, отрабатывать новые навыки, настраивать стек управления, читать научные статьи онлайн, вести дискуссии, анализировать и снова пробовать непосредственно на оборудовании. По его словам, команда лишь предоставила API Codex атомарному миру, а всё остальное стало эмерджентным (emergence).
ENPIRE — это фреймворк для кодирующих агентов (coding agents), который реализует физический цикл обратной связи через четыре основных модуля: модуль среды (Environment module, EN) для автоматического сброса и верификации; модуль улучшения политик (Policy Improvement module, PI) для запуска оптимизации политик; модуль развёртывания (Rollout module, R) для оценки политик с использованием одного или нескольких параллельно работающих роботов; и модуль эволюции (Evolution module, E), в котором кодирующие агенты анализируют логи, изучают литературу, улучшают инфраструктуру обучения и алгоритмический код для устранения сбоев.
«Полностью автономная установка GPU» роботом стала самой впечатляющей частью демонстрации. В этой записи задачи по сборке ПК один манипулятор выбирает и передаёт видеокарту другому манипулятору, перед которым находится материнская плата; затем второй манипулятор аккуратно совмещает слот PCIe видеокарты с разъёмом на материнской плате, медленно опускает её и вдавливает на место. Другие проекты AutoResearch, порученные роботам, включали сортировку тонких штырьков, а также обвязку и перерезание кабельных стяжек.
В соответствующей исследовательской статье «ENPIRE: Agentic Robot Policy Self-Improvement in the Real World» представлены результаты сравнения при использовании различных кодирующих агентов, включая Codex с GPT-5.5, Claude Code с Opus 4.7 и Kimi Code с Kimi K2.6. Исследователи также протестировали масштаб парка роботов и пришли к выводу, что «восемь роботов, работающих параллельно, выполняют задачи значительно быстрее, чем парк меньшего размера».
Способность роботов самостоятельно обучаться выполнению физических задач без явного программирования открывает путь к более продвинутой автоматизации. Эта технология позволяет роботам не только повторять запрограммированные действия, но и самостоятельно экспериментировать, учиться на ошибках и повышать производительность. Метод ENPIRE демонстрирует, что ИИ-агенты способны манипулировать реальным оборудованием с точностью, ранее доступной только человеку. Это исследование также актуально в контексте развития всё более мощных чипов для ноутбуков в 2026 году: благодаря более совершенным GPU такие ИИ-агенты, как Codex, могут проводить более сложное моделирование и обучение, ускоряя процесс обучения роботов в реальном мире.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
