NVIDIAn ENPIRE: Tekoälyagentit ottavat robotiikan tutkimuksen haltuun – 99 %:n onnistumisprosentti vaativissa tehtävissä

Neljä toisiinsa kytkeytyvää moduulia

ENPIREn arkkitehtuuri on suljettu silmukka, joka koostuu neljästä moduulista, joista jokainen hoitaa kriittisen osan fyysisestä tutkimusprosessista :

EN — Ympäristömoduuli: Nollaa fyysisen näkymän automaattisesti satunnaistettuun alkutilaan ja varmistaa tehtävän suorittamisen näköön perustuvien palkkiofunktioiden avulla (esim. segmentointimallit ja rajauslaatikoiden tunnistimet). Ihmisen ei tarvitse nollata robottia kokeiden välillä .

PI — Toimintatapojen parannusmoduuli: Käynnistää toimintatapojen tarkennuksen käyttämällä mitä tahansa useista menetelmistä – heuristista oppimista, työkalujen kutsumista, käyttäytymisen kopiointia, offline-vahvistusoppimista tai online-vahvistusoppimista. Koodausagentti ehdottaa algoritmisia hypoteeseja ja kirjoittaa koodin .

R — Testausmoduuli: Arvioi ehdokastoimintatapaa yhdellä tai usealla rinnakkain toimivalla fyysisellä robotilla. Tallentaa tilan, toiminnon, videon ja lopputuloksen tarkastusta varten .

E — Evoluutiomoduuli: Koodausagentit analysoivat lokit, tutustuvat tutkimuskirjallisuuteen, vertailevat haaroja ja muokkaavat koulutusinfrastruktuuria ja algoritmikoodia epäonnistumisten korjaamiseksi. Onnistuneet reseptit otetaan uudelleen käyttöön ja epäonnistuneet hypoteesit karsitaan pois .

Git-pohjainen laivaston koordinaatio

Sen sijaan, että keksittäisiin eksoottinen koordinointikerros, kehys käyttää tunnettua työkalua hajautettuun yhteistyöhön: Git. Kun yksi agenttiasema saavuttaa läpimurron, se tallentaa parannetun toimintatapakoodin. Muut asemat noutavat päivityksen ja rakentavat sen päälle mahdollistaen hajautetun, asynkronisen parantamisen ilman keskuskoordinointia .

Ryhmä otti käyttöön kahdeksan tekoälyn koodausagenttia yhdistettynä kahdeksaan robottityöasemaan, joista jokainen oli varustettu kahdella kuusivapausasteisella mekaanisella käsivarrella, Intel RealSense -syvyyskameroilla ja paikallisilla NVIDIA RTX 5090 -näytönohjaimilla. Agentit saivat käyttöönsä GPU-varauksen ja anteliaan token-budjetin, ja ne päästettiin vapaiksi tavoitteena ratkaista tehtävä mahdollisimman nopeasti ja turvallisesti .

Raportoidut onnistumisasteet

ENPIREn ohjaamat agentit saavuttivat 99 %:n pass@8-onnistumisasteen useissa haastavissa, kontakti-intensiivisissä käsittelytehtävissä todellisessa maailmassa :

• GPU:n asennus – näytönohjaimen asettaminen emolevyn korttipaikkaan
• Pinssien asennus – pinssien järjestäminen pinssilaatikkoon
• Nippusiteen katkaisu – nippusiteen katkaisu leikkurilla
• Nippusiteen sitominen
• Push-T – tasossa tapahtuva työntötehtävä

Tutkimuksessa todetaan, että pass@8 mittaa hätätilanteen uudelleenyritystä ja palautumista yhden pitkän aikavälin testin aikana (jopa 8 kontekstuaalista uudelleenyritystä aiemmista epäonnistumisista riippuen), eikä se ole paras kahdeksasta riippumattomasta näytteestä .

Skaalautuvuustulokset ja rajoitukset

Laivaston skaalautuvuusmittarit

Tutkimus esittelee kaksi uutta mittaria: Mean Robot Utilization (MRU) ja Mean Token Utilization (MTU), jotka mittaavat moniagenttisen fyysisen automaatiotutkimuksen tehokkuutta .

Token-kulutus

Järjestelmä on token-intensiivinen. Agentit lukevat artikkeleita, kirjoittavat koodia, analysoivat lokit ja iteroiden – jokainen parannussykli kuluttaa merkittävän määrän LLM-tokeneita. Ryhmä antoi agenteille "anteliaan token-budjetin" ja kehotti niitä olemaan tuhlaamatta laskentatehoa .

Simulaatiosta todellisuuteen -epäonnistuminen Push-T-tehtävässä

Kaikki kolme testattua huippuluokan koodausagenttia – Codex (GPT-5.5), Claude Code (Opus 4.7) ja Kimi Code (Kimi K2.6) – ratkaisivat Push-T-tehtävän simulaatiossa. Kuitenkin kaikki eivät siirtyneet kunnolla todelliseen laitteistoon. ENPIRE ei poista simulaation ja todellisuuden välistä kuilua; se antaa tekoälyagenteille keinon löytää ja sopeutua siihen toistuvien fyysisten kokeiden kautta . Tämä tunnustetaan avoimesti tutkimuksen keskeiseksi rajoitukseksi .

Laajemmat tunnustetut rajoitukset

Tutkimuksen "Rajoitukset ja tulevaisuuden suunnat" -osiossa todetaan, että ENPIRE edellyttää edelleen alkuperäisen ympäristön asennusta (laitteisto, havainnointiputki) ja että lähestymistapa on sidottu taustalla olevien koodausagenttien LLM-mallien laatuun ja kustannuksiin .

Laajempi konteksti: NVIDIAn fyysinen tekoäly -panostus

ENPIRE on osa paljon laajempaa NVIDIAn strategiaa Fyysinen tekoäly (Physical AI) – tekoälylle, joka ymmärtää ja toimii fyysisessä maailmassa.

• NVIDIA Cosmos -maailmamallit: CES 2025:ssä lanseerattu Cosmos on alusta, joka koostuu generatiivisista maailman perusmalleista, tokenisaattoreista, suojakaiteista ja videoputkistoista, jotka on rakennettu nopeuttamaan fyysisen tekoälyn kehitystä autonomisia ajoneuvoja ja robotiikkaa varten . GTC 2026:ssa NVIDIA julkaisi uusia Cosmos-malleja yhdessä Isaac-simulaatiokehysten ja Isaac GR00T N -mallien kanssa humanoidiroboteille .
• Hyundai-kumppanuus: Tammikuussa 2025 Hyundai Motor Group ilmoitti strategisesta kumppanuudesta NVIDIAn kanssa, joka kattaa tehostetun laskennan, generatiivisen tekoälyn ja teollisen digitalisoinnin . Lokakuussa 2025 kumppanuus syveni 50 000 Blackwell-GPU:n tekoälytehtaaksi autonomisia ajoneuvoja, älytehtaita ja robotiikkaa varten .
• Foxconn ja muut valmistajat: Foxconn, General Motors, KION Group, Mercedes-Benz ja muut ovat ottaneet käyttöön NVIDIA Omniversen fyysisen tekoälyn käyttöjärjestelmänään teolliseen digitalisointiin . GTC 2026:ssa NVIDIA ilmoitti kumppanuuksista "robottiaivojen kehittäjien, teollisten robottivalmistajien ja humanoidirobotiikkayritysten" kanssa edistääkseen tuotantotason fyysistä tekoälyä .

ENPIRE on käytännössä tutkimuksen automaatiokerros tämän infrastruktuurin päällä – tapa sulkea silmukka simulaation (Cosmos/Isaac), laitteiston (robottilaivastot, tekoälytehtaat) ja autonomisen toimintatapojen parantamisen välillä, kaikki huippuluokan koodausagenttien ohjaamana.