編輯｜楊文

自動化研究，這一次真正走出代碼沙盒，進入了真實的物理世界。

最近，NVIDIA GEAR 實驗室負責人 Jim Fan 介紹了一個名為 ENPIRE 的最新項目。這是他們首次在機器人硬件上實現(xiàn)了自動化研究

他們把 8 個 Codex Agent 放到一個機器人艦隊里，分配好 GPU 算力和充足的 token 預算，只給出一個簡單目標：盡快解決任務、讓機器人保持忙碌但確保安全、不要浪費算力

接下來人類就基本退出干預。Agent 自主驅(qū)動整個閉環(huán)，包括自動重置場景、搜索文獻、實現(xiàn)想法并搭建基礎設施、訓練和部署策略、自我驗證、分析日志并改代碼，不斷迭代，直到在真實硬件上可靠完成高精度靈巧任務，比如系扎帶、插針盒整理、安裝 GPU 等。

視頻鏈接：https://mp.weixin.qq.com/s/5AquJh3AsSdudyrXqAsoAQ

他們還觀察到一種「物理 scaling law」，增加并行機器人數(shù)量（例如從少量增加到 8 個），能顯著加快任務解決速度。

目前，該實驗室的部分系統(tǒng)已實現(xiàn)徹夜無人類干預的自我迭代，研究人員僅需在早晨查看報告即可。

Jim Fan 稱，未來目標是讓團隊成員安心休假，甚至連 NVIDIA CEO 黃仁勛都察覺不到實驗室仍在自主運行

ENPIRE 項目計劃完全開源，屆時普通開發(fā)者也有望在家中搭建類似的自主機器人研究系統(tǒng)。

項目地址：https://research.nvidia.com/labs/gear/enpire/

ENPIRE 系統(tǒng)架構(gòu)：四個模塊構(gòu)成閉環(huán)

ENPIRE 是一個專為編碼 Agent 設計的框架系統(tǒng)，通過四個核心模塊構(gòu)建可重復的物理反饋循環(huán)：環(huán)境模塊（EN）負責自動重置和驗證，策略改進模塊（PI）啟動策略優(yōu)化，Rollout 模塊（R）支持單臺或多臺機器人并行評估策略，進化模塊（E）則讓編碼 Agent 分析日志、查閱文獻、改進訓練基礎設施和算法代碼以解決失敗模式。

這一閉環(huán)系統(tǒng)將真實世界機器人學習轉(zhuǎn)化為一個由 Agent 管理的、可控的優(yōu)化過程，從而最大限度減少人工投入，同時支持在不同訓練配方和 Agent 變體之間開展公平的消融實驗。

在 ENPIRE 的支持下，前沿編程 Agent 能夠自主開發(fā)策略，并在 PushT、將插針整理進針盒、使用切刀剪斷扎帶等具有挑戰(zhàn)性的真實世界靈巧操作任務中，實現(xiàn) 99% 的成功率。

關(guān)鍵發(fā)現(xiàn)：重置環(huán)境比完成任務本身更容易

其中一個關(guān)鍵觀察是：對許多機器人任務而言，重置環(huán)境往往比完成任務本身更容易。

因此，ENPIRE 的做法是，先讓 Agent 通過 Code-as-Policy 構(gòu)建自動重置環(huán)境。很多情況下，所謂重置其實就是一個 pick-and-place 任務，可以由 Cap-X 解決。

隨后，智能體會編寫基于啟發(fā)式規(guī)則的獎勵函數(shù)。研究團隊再將該環(huán)境放入沙箱，并啟動 Agent 圍繞得分開展自動化研究。

這也呼應了 Karpathy 對自動化研究的定義：這里所說的自動化研究，并不是簡單調(diào)一個超參數(shù)，或改動某一小段代碼。Agent 會從互聯(lián)網(wǎng)上探索不同范式，并重寫一切可能推動性能提升的部分，包括算法、訓練目標，甚至數(shù)據(jù)加載器。

在插針任務中，一個 Agent 甚至自行編寫了接觸力安全控制器，其效果超過了單純調(diào)節(jié)若干強化學習參數(shù)。

新指標MRU與MTU

ENPIRE 的擴展能力取決于 Agent 團隊規(guī)模和算力資源，只不過在這里，真正稀缺的資源不是 GPU，而是機器人時間。

當研究團隊為 Agent 提供 8 臺機器人，而不是 1 臺機器人時，插針任務達到接近完美表現(xiàn)所需的時間，從 1.5 小時以上縮短到了約 40 分鐘。這些 Agent 通過 Git 進行協(xié)調(diào)：共享代碼、放棄不理想的想法，并自主地挑選彼此的最佳運行結(jié)果。

這指向了一個更大的變化：機器人研究正在變成一種環(huán)境設計工作，即為 coding Agent 搭建可以在其中進行自動化研究的環(huán)境；算法工作則上移到了更高一層，轉(zhuǎn)向構(gòu)建一種 Agent 能夠自行閉合的反饋循環(huán)。

而這個循環(huán)會不斷復利式累積：Agent 今天掌握的一項技能，明天就會成為構(gòu)建并重置更困難任務環(huán)境的基礎模塊。能力會自舉出新的能力。

在這一范式下，真正的硬約束是真實世界交互預算。

因此，研究團隊提出了兩個指標：

• 平均機器人利用率（Mean Robot Utilization，MRU）：機器人實際運行實驗的時間占總真實耗時的比例。
• 平均 Token 利用率（Mean Token Utilization，MTU）：衡量 Agent 將 token 轉(zhuǎn)化為研究進展的效率。

在他們的實驗中，MRU 始終低于 50%。也就是說，機器人有一半時間都處于空閑狀態(tài)，在等待 Agent 思考。因此，更好的 harness 和更快的模型，會直接轉(zhuǎn)化為實際收益。

PushT 是一個沿用已久的機器人操作基準。通常，要完成這個任務，需要大量人類示范數(shù)據(jù)，再加上數(shù)小時的行為克隆訓練。

視頻鏈接：https://mp.weixin.qq.com/s/5AquJh3AsSdudyrXqAsoAQ

但他們看到，Codex、Claude Code 和 Kimi Code 都用一套基于規(guī)則的啟發(fā)式方法，在不到 2 小時內(nèi)「解決」了這個任務：不使用神經(jīng)網(wǎng)絡，不進行訓練，也不依賴任何人類數(shù)據(jù)。

視頻鏈接：https://mp.weixin.qq.com/s/5AquJh3AsSdudyrXqAsoAQ

真實世界中的啟發(fā)式 PushT，其中機械臂會先執(zhí)行 go home 回到初始位姿，以避免遮擋視覺感知。

為了讓更多人能在家嘗試物理世界中的自動化研究，他們基于 @LeRobotHF 的 SO-101 套件 + NVIDIA Jetson Thor 開發(fā)了一整套全棧系統(tǒng)。這套系統(tǒng)可以完成 PushT 任務。

https://x.com/_wenlixiao/status/2066913334994358342

https://x.com/DrJimFan/status/2066921736369766762