ENPIRE: el marco que permite a los robots aprender por sí mismos en el mundo real

Los cuatro módulos entrelazados

La arquitectura de ENPIRE es un bucle cerrado compuesto por cuatro módulos, cada uno encargado de una parte crítica del proceso de investigación física :

EN — Módulo de Entorno: Reinicia automáticamente la escena física a un estado inicial aleatorio y verifica la finalización de la tarea mediante funciones de recompensa basadas en visión (por ejemplo, modelos de segmentación y detectores de cajas delimitadoras). No hay un humano que reinicie el robot entre pruebas .

PI — Módulo de Mejora de Política: Inicia el refinamiento de la política utilizando cualquiera de varios regímenes: aprendizaje heurístico, llamada a herramientas, clonación de comportamiento, aprendizaje por refuerzo fuera de línea o en línea. El agente programador propone hipótesis algorítmicas y escribe el código .

R — Módulo de Ejecución: Evalúa la política candidata en uno o múltiples robots físicos que operan en paralelo. Conserva el estado, la acción, el video y los datos de resultados para su auditoría .

E — Módulo de Evolución: Los agentes programadores analizan registros, consultan la literatura de investigación, comparan ramas y modifican el código de la infraestructura de entrenamiento y del algoritmo para abordar los modos de fallo. Las recetas exitosas se reutilizan; las hipótesis fallidas se podan .

Coordinación de flota basada en Git

En lugar de inventar una capa de orquestación exótica, el marco se basa en una herramienta familiar para la colaboración distribuida: Git. Cuando una estación agente logra un avance, confirma el código de la política mejorada. Otras estaciones extraen la actualización y construyen sobre ella, lo que permite una mejora distribuida y asíncrona sin coordinación centralizada .

El equipo desplegó ocho agentes de IA programadores emparejados con ocho estaciones de trabajo robóticas, cada una equipada con dos brazos mecánicos de seis grados de libertad, cámaras de profundidad Intel RealSense y GPUs NVIDIA RTX 5090 locales. Con una asignación de GPUs y un presupuesto de tokens, los agentes fueron liberados con un objetivo simple: resolver la tarea lo más rápido posible, mantener los robots ocupados pero seguros, y no desperdiciar valiosos recursos de cómputo .

Resultados de éxito reportados

Los agentes impulsados por ENPIRE alcanzaron una tasa de éxito del 99% (pass@8) en un conjunto de tareas de manipulación diestra y de contacto intenso en el mundo real :

• Inserción de GPU: colocar una tarjeta gráfica en una ranura de la placa base.
• Inserción de pines: organizar pines en una caja.
• Corte de precinto: usar un cortador para cortar un precinto.
• Atado de precinto.
• Push-T: una tarea de empuje planar.

El informe señala que pass@8 mide la capacidad de reintento y recuperación emergente dentro de una sola ejecución de largo horizonte (hasta 8 reintentos en contexto condicionados a fallos anteriores), no el mejor de 8 muestras independientes e idénticamente distribuidas .

Métricas de escalado y limitaciones

Métricas de utilización de la flota

El estudio introduce dos nuevas métricas: Utilización Media del Robot (MRU) y Utilización Media de Tokens (MTU) para medir la eficiencia de la autoinvestigación física multiagente .

Consumo de tokens

El sistema es intensivo en tokens. Los agentes leen artículos, escriben código, analizan registros e iteran; cada ciclo de mejora consume una cantidad significativa de tokens de los modelos de lenguaje grande (LLM). El equipo proporcionó a los agentes un "presupuesto generoso de tokens" y les indicó que no desperdiciaran cómputo .

Fracaso de simulación a realidad en Push-T

Los tres agentes programadores de frontera probados —Codex (con GPT-5.5), Claude Code (con Opus 4.7) y Kimi Code (con Kimi K2.6)— resolvieron Push-T en simulación. Sin embargo, no todos se transfirieron limpiamente al hardware real. ENPIRE no elimina la brecha entre simulación y realidad; le da a los agentes de IA una forma de descubrir esa brecha a través de pruebas físicas repetidas y luego adaptarse a ella. Esto se reconoce abiertamente en el documento como una limitación central .

Otras limitaciones reconocidas

El documento incluye una sección de "Limitaciones y Direcciones Futuras" que señala que ENPIRE aún requiere la configuración inicial del entorno (hardware, pipeline de percepción), y que el enfoque está limitado por la calidad y el costo de los LLM subyacentes del agente programador .

Resultados de escalado en tiempo real

Cuando el equipo proporcionó 8 robots en lugar de 1, el tiempo necesario para que la tarea de inserción de pines alcanzara un rendimiento cercano al perfecto se redujo de más de 1,5 horas a aproximadamente 40 minutos. Sin embargo, el costo en tokens creció de forma superlineal, ya que los agentes no solo realizan sus propios experimentos, sino que también deben leer y comprender el progreso de los demás .

Contexto más amplio: La apuesta de NVIDIA por la IA Física

ENPIRE se inscribe en una estrategia mucho más amplia de NVIDIA para la IA Física —IA que entiende y actúa en el mundo físico:

• Modelos Cosmos de NVIDIA: Lanzados en CES 2025, Cosmos es una plataforma de modelos de base de mundo generativos, tokenizadores, barreras de seguridad y pipelines de video, diseñada para acelerar el desarrollo de IA física para vehículos autónomos y robótica . En GTC 2026, NVIDIA lanzó nuevos modelos Cosmos junto con los marcos de simulación Isaac y los modelos Isaac GR00T N para robots humanoides .
• Asociación con Hyundai: En enero de 2025, Hyundai Motor Group anunció una asociación estratégica con NVIDIA. En octubre de 2025, la profundizaron con una fábrica de IA impulsada por 50,000 GPUs Blackwell para vehículos autónomos, fábricas inteligentes y robótica .
• Foxconn y otros fabricantes: Foxconn, General Motors, KION Group, Mercedes-Benz y otros han adoptado NVIDIA Omniverse como su sistema operativo de IA física para la digitalización industrial .

ENPIRE es, en efecto, la capa de automatización de la investigación sobre esta infraestructura: una forma de cerrar el círculo entre la simulación (Cosmos/Isaac), el hardware (flotas de robots, fábricas de IA) y la mejora autónoma de políticas, todo impulsado por agentes programadores de vanguardia.

El futuro: laboratorios de robótica en casa

Jim Fan, investigador principal de IA Encarnada en NVIDIA y jefe del GEAR Lab, ha indicado que la tecnología se publicará como código abierto, lo que significa que los entusiastas de la tecnología podrían, en teoría, alojar su propio laboratorio de robótica de funcionamiento autónomo en casa .