ENPIRE: המסגרת שמאפשרת לרובוטים ללמד את עצמם – בלי בני אדם באמצע

במשך עשרות שנים, אימון רובוט לבצע משימה פיזית מדויקת – כמו הכנסת כרטיס גרפי ללוח אם או קשירת אזיקון – הצריך עבודה אנושית רבה: איפוס הסצנה, כיוונון אלגוריתמים, ניתוח כשלים וכתיבת קוד מחדש. צוואר הבקבוק לא היה רק האלגוריתמים; זו הייתה העבודה האנושית.

ב-17 ביוני 2026, צוות מ-NVIDIA GEAR Lab, אוניברסיטת קרנגי מלון (Carnegie Mellon University) ו-UC Berkeley שחרר מסגרת שמשנה את המשוואה הזו. המסגרת, הנקראת ENPIRE (Embodied Neural Policy Improvement through Physical AutoResearch), היא המערכת המתועדת הראשונה שבה סוכני AI אוטונומיים מריצים את מחזור המחקר הרובוטי המלא על חומרה פיזית .

מה ENPIRE בעצם עושה?

ENPIRE היא לא רובוט בפני עצמו, ולא מודל AI חדש. זוהי מסגרת רתמה (harness framework) – תוכנה שעוטפת סוכני AI ומעניקה להם את הכלים לערוך ניסויים פיזיים. התובנה המרכזית, לפי צוות המחקר, היא שבחקר הרובוטיקה חסרה לולאת משוב פיזית שניתנת לשחזור, ו-ENPIRE מספקת בדיוק את ההפשטה הזו .

המסגרת משחררת סוכני AI על צי של רובוטים ומעניקה להם את כל הלולאה: לאפס את הסביבה, לחפש בספרות, לממש רעיונות, לאמן ולפרוס מדיניות, לאמת את התוצאות, לנתח לוגים, לשכתב קוד, ולחזור על התהליך עד שהמדיניות עובדת באופן אמין בעולם האמיתי .

ארבעת המודולים המשתלבים

הארכיטקטורה של ENPIRE היא לולאה סגורה המורכבת מארבעה מודולים, כל אחד מטפל בחלק קריטי מתהליך המחקר הפיזי :

EN — מודול הסביבה: מאפס אוטומטית את הסצנה הפיזית למצב התחלתי אקראי ומאמת את השלמת המשימה באמצעות פונקציות תגמול מבוססות ראייה (למשל, מודלי סגמנטציה וגלאי תיבות חוסמות). אין צורך שבן אדם יאפס את הרובוט בין ניסוי לניסוי .

PI — מודול שיפור המדיניות: מפעיל חידוד מדיניות באמצעות מגוון שיטות – למידה היוריסטית, קריאת כלים, חיקוי התנהגות, למידת חיזוק מקוונת ולא מקוונת. סוכן התכנות מציע השערות אלגוריתמיות וכותב את הקוד .

R — מודול הריצה: מעריך את מדיניות המועמד על רובוט אחד או מספר רובוטים הפועלים במקביל. הוא שומר מידע על מצב, פעולה, וידאו ותוצאות לצורך ביקורת .

E — מודול האבולוציה: סוכני התכנות מנתחים לוגים, מתייעצים בספרות מחקרית, משווים ענפים, ומשנים את תשתית האימון ואת קוד האלגוריתם כדי לטפל במצבי כשל. מתכונים מוצלחים ממוחזרים; השערות נכשלות נגזמות .

תיאום צי מבוסס Git

במקום להמציא שכבת תיאום אקזוטית, המסגרת מסתמכת על כלי מוכר לשיתוף פעולה מבוזר: Git. כאשר תחנת סוכן אחת מגיעה לפריצת דרך, היא מבצעת commit לקוד המדיניות המשופר. תחנות אחרות מושכות את העדכון ובונות עליו, מה שמאפשר שיפור מבוזר וא-סינכרוני ללא תיאום מרכזי .

הצוות פרס שמונה סוכני AI בשילוב שמונה תחנות עבודה רובוטיות, כל אחת מצוידת בשתי זרועות מכניות עם שש דרגות חופש, מצלמות עומק Intel RealSense, ומעבדי NVIDIA RTX 5090 מקומיים. בהינתן הקצאה של GPUs ותקציב tokens נדיב, הצי שוחרר עם מטרה פשוטה: לפתור את המשימה במהירות האפשרית, לשמור על הרובוטים פעילים אך בטוחים, ולא לבזבז כוח חישוב .

אחוזי ההצלחה המדווחים

סוכנים המופעלים על ידי ENPIRE השיגו 99% pass@8 במערך של משימות תמרון עדין ומאתגרות בעולם האמיתי :

• התקנת GPU: הכנסת כרטיס גרפי לחריץ בלוח אם
• הכנסת פינים: סידור פינים בקופסת פינים
• חיתוך אזיקון: שימוש בחותך לחיתוך אזיקון
• קשירת אזיקון
• Push-T: משימת דחיפה מישורית

העיתון מציין ש-pass@8 מודד ניסיון חוזר והחלמה מתוך ריצה ארוכת טווח אחת (עד 8 ניסיונות חוזרים בהקשר, מותנים בכשלונות קודמים), לא מדגם i.i.d. של 8 הריצות הטובות ביותר .

תוצאות קנה מידה ומגבלות

מדדי ניצול צי

העיתון מציג שני מדדים חדשים: Mean Robot Utilization (MRU) ו-Mean Token Utilization (MTU) למדידת היעילות של מחקר פיזי אוטונומי רב-סוכנים .

צריכת tokens

המערכת צורכת כמות גדולה של tokens. סוכנים קוראים מאמרים, כותבים קוד, מנתחים לוגים וחוזרים חלילה – כל מחזור שיפור צורך כמות משמעותית של tokens מ-LLM. הצוות נתן לסוכנים "תקציב tokens נדיב" והורה להם לא לבזבז כוח חישוב .

כשל במעבר מסימולציה למציאות ב-Push-T

כל שלושת סוכני התכנות שנבדקו – Codex (עם GPT-5.5), Claude Code (עם Opus 4.7) ו-Kimi Code (עם Kimi K2.6) – פתרו את משימת Push-T בסימולציה. עם זאת, לא כולם עברו בצורה חלקה לחומרה אמיתית. ENPIRE אינה מבטלת את פער sim-to-real; היא נותנת לסוכני AI דרך לגלות את הפער הזה דרך ניסויים פיזיים חוזרים ולהסתגל אליו . זהו כשל מרכזי שהעיתון מכיר בו .

מגבלות כללי נוספות

העיתון כולל סעיף "מגבלות וכיוונים עתידיים" המציין ש-ENPIRE עדיין דורשת הגדרה ראשונית של הסביבה (חומרה, צינור ראייה ממוחשבת), ושהגישה מוגבלת באיכות ובעלות של מודלי ה-LLM הבסיסיים של סוכני התכנות .

קנה מידה עלויות

כאשר הצוות הגדיל את הצי מרובוט אחד לשמונה רובוטים, הזמן לשליטה במשימת הפינים התקצר מיותר מ-1.5 שעות לכ-40 דקות. עם זאת, צריכת ה-tokens גדלה באופן מעריכי: ככל שיותר סוכני AI עובדים במקביל, הם לא רק מריצים ניסויים אלא גם "קוראים" את העבודה של האחרים, מה שמגדיל משמעותית את צריכת האנרגיה החישובית .

ההקשר הרחב: הדחיפה של NVIDIA לעבר פיזיקלי AI

ENPIRE נמצאת בתוך אסטרטגיה רחבה בהרבה של NVIDIA ל-Physical AI – AI שמבין ופועל בעולם הפיזי. שותפויות עם יונדאי (Hyundai Motor Group) להקמת מפעל AI עם 50,000 GPUs מדגם Blackwell, עם פוקסקון (Foxconn), ג'נרל מוטורס (General Motors) ואחרות לאימוץ NVIDIA Omniverse כמערכת הפעלה פיזיקלית AI . ENPIRE היא שכבת האוטומציה המחקרית על גבי תשתית זו – דרך לסגור את הלולאה בין סימולציה (Cosmos/Isaac), חומרה (ציי רובוטים, מפעלי AI) ושיפור מדיניות אוטונומי, המונעים על ידי סוכני AI מתקדמים.