Nvidia ENPIRE: роботы учатся через AI coding agents
ENPIRE от NVIDIA, CMU и UC Berkeley переносит autoresearch в робототехнику: кодовые агенты пишут код оценки, запускают роботов и упираются в физику.
Nvidia ENPIRE: роботы учатся через AI coding agents
По состоянию на 18 июня 2026 года ENPIRE - это исследовательский фреймворк NVIDIA, CMU и UC Berkeley для обучения роботов в реальном мире через AI coding agents. Агент не просто предлагает текстовые инструкции. Он получает цикл эксперимента: сбросить сцену, запустить политику, проверить результат, прочитать логи и изменить код следующей попытки.
Исследователи не заявляют, что роботы Nvidia "научились всему сами". Результат уже: часть работы робототехнической лаборатории можно превратить в управляемый цикл для кодового агента. В этом цикле агент пишет функции вознаграждения, меняет код обучения, сравнивает ветки экспериментов и работает с несколькими роботами как с маленькой исследовательской фермой.
Что такое ENPIRE
На странице проекта NVIDIA Research описывает ENPIRE как рабочий каркас для coding agents. Название раскладывается на четыре модуля: Environment, Policy Improvement, Rollout и Evolution. Environment отвечает за сброс, безопасность, проверку и логи. Policy Improvement запускает улучшение политики. Rollout проводит прогоны на одном или нескольких физических роботах. Evolution помогает агентам читать результаты, смотреть литературу, менять инфраструктуру обучения и отбрасывать неудачные гипотезы.
По задумке это переносит идеи автономного исследования из чистого софта в физическую лабораторию. Рядом полезно вспомнить наш материал про autoresearch Карпати и цикл из 700 экспериментов: там агент работает с цифровыми задачами, а ENPIRE добавляет железо, камеры, захваты, сброс сцены и ошибки реального мира.
Исследователи пишут, что политики, обученные через ENPIRE, достигают 99% pass@8 на показанных задачах манипуляции. Важная оговорка: pass@8 здесь не означает восемь независимых попыток и выбор лучшей. На странице проекта сказано, что в одном длинном прогоне агент получает до восьми контекстных повторов на подзадачу, и каждая новая попытка учитывает предыдущие ошибки. Это метрика восстановления и повторных попыток, а не универсальная гарантия успеха робота.
Что агент делает сам
ENPIRE начинается с инженерной подготовки среды. Чтобы агент мог улучшать политику без человека у каждой попытки, задача должна стать самосбрасывающейся и самопроверяемой. Для zip-tie, например, система использует камеры, детекторы и сегментацию, чтобы понять, прошёл ли ремешок через головку. Для GPU insertion робот возвращает видеокарту в исходное состояние и проверяет готовность следующего прогона.
| Часть цикла | Что делает AI coding agent | Что остаётся ограничением лаборатории |
|---|---|---|
| Оценка результата | Пишет или дорабатывает код оценки, который отличает успех от провала по камерам, маскам, положению объекта и логам. | Нужны заранее собранные датчики, корректные камеры, пороги и проверки безопасности. Ошибка в оценке закрепит неправильное поведение. |
| Улучшение политики | Пробует эвристическое обучение, behavior cloning, offline/online RL, меняет код обучения и сравнивает ветки экспериментов. | Физический прогон медленнее симуляции. Робот может застрять, объект может сдвинуться иначе, а демонстраций может не хватить. |
| Масштабирование | Разводит гипотезы по нескольким агентам и роботостанциям, принимает удачные рецепты из соседних веток. | Чем больше роботов, тем больше координации и расходов на токены. Утилизация железа падает, пока агенты читают логи и пишут код. |
Этот подход близок к теме agentic coding в OpenAI Codex, но ENPIRE переносит похожий рабочий паттерн в робототехнику. Кодовый агент здесь не закрывает pull request, а меняет способ, которым робот берёт объект, вставляет деталь или восстанавливается после ошибки.
Почему 99% не стоит читать как готовый продукт
Самая опасная интерпретация ENPIRE - представить, что робот теперь сам берёт любую задачу и сам её осваивает. В проекте всё уже подготовлено под эксперимент: есть контролируемые стенды, автоматический сброс, автоматическая проверка, логи, камеры и интерфейсы инструментов. Агенту дали лабораторию, где многие ручные операции уже превращены в API.
Даже в такой среде реальный мир остаётся сложнее симуляции. NVIDIA отдельно показывает проверку в симуляторе RoboCasa, но ограничения описывает прямо: coding agents не полностью используют роботов, потому что читают логи, пишут код, отлаживаются или ждут языковую модель. При росте числа роботов Mean Robot Utilization снижается, а бюджет токенов растёт. Большая ферма быстрее доходит до успеха, но платит за это координацией и большим расходом токенов.
The Decoder в новостном разборе также обращает внимание на масштабирование: агенты работают на восьми двуруких YAM robot stations, тестируют разные гипотезы и делятся результатами через Git. У ENPIRE прогресс идёт не одним "умным" роботом, а командой агентов, где каждая ветка эксперимента может подтянуть удачную идею из другой ветки.
Почему это важно для physical AI
В робототехнике долго упирались не только в модели, но и в цену данных. Каждый физический опыт требует времени, места, оборудования и часто человека, который вернёт объект в исходное состояние. Если часть этого цикла автоматизировать, лаборатория получает больше попыток на тот же человеческий ресурс.
ENPIRE показывает практический мост между AI-агентами и embodied AI. Роботу всё ещё нужна модель действия и понимание сцены - об этом мы отдельно писали в материале про World Action Models для робототехники. Но агентный слой поверх лаборатории меняет экономику экспериментов: он быстрее проверяет гипотезы, фиксирует неудачи и повторно использует найденные рецепты.
Что дальше
ENPIRE пока выглядит как лабораторная проверка идеи, а не как коробочный способ научить любого промышленного робота. Его ценность в другом: исследователи показали, как может выглядеть робототехническая лаборатория, где AI coding agents становятся полноценными участниками эксперимента. Они читают, пишут код, запускают проверки, спорят через ветки Git и упираются в физику, которую нельзя ускорить одной хорошей подсказкой.
Для рынка physical AI это сигнал: следующий скачок может прийти не только из более сильной модели управления роботом, но и из инфраструктуры вокруг неё. Если лаборатория умеет сама сбрасывать сцену, проверять успех и отдавать агенту понятные инструменты, робот начинает учиться быстрее. Но до автономных роботов общего назначения ещё далеко: ENPIRE скорее показывает, какие рельсы нужно проложить, чтобы такие системы вообще могли честно учиться в реальном мире.
