ENPIRE没有发明复杂的调度层,而是使用了一个开发者非常熟悉的分布式协作工具:Git。当一个智能体工作站取得突破时,它会将改进后的策略代码提交。其他工作站拉取更新并在此基础上继续开发,实现了分布式的异步改进,无需中央协调 。
研究团队部署了8个AI编码智能体,每个对应一个机器人工作站,每个工作站配备双六自由度机械臂、Intel RealSense深度摄像头和本地NVIDIA RTX 5090 GPU。在分配好GPU算力和充足Token预算后,团队成员只下达了一个简单的目标:尽可能快地完成任务,让机器人保持忙碌但确保安全,不浪费宝贵的算力 。
测试中使用的三个前沿编码智能体——Codex(基于GPT-5.5)、Claude Code(基于Opus 4.7)和Kimi Code(基于Kimi K2.6),都能在仿真环境中成功完成Push-T任务。但并非所有智能体都能干净地迁移到真实硬件上 。
ENPIRE是英伟达“物理AI”宏大战略中的一环。物理AI指的是能够理解并在物理世界中行动的AI。
从这个角度看,ENPIRE本质上是在上述基础设施之上构建的研究自动化层——一个连接仿真(Cosmos/Isaac)、硬件(机器人集群、AI工厂)与自主策略优化的闭环,所有环节均由前沿编码智能体驱动。
Comments
0 comments