Исследователи Nvidia совместно с университетами Карнеги-Меллон и Калифорнии в Беркли представили фреймворк ENPIRE, который позволяет ИИ-агентам автоматически улучшать политики управления роботами на реальном оборудовании. Система запускает замкнутый цикл: робот выполняет задачу, среда автоматически оценивает результат и возвращается в исходное состояние, а ИИ-агент анализирует ошибки, переписывает код и запускает следующую серию испытаний. Ключевые элементы – автоматическая проверка результата и сброс сцены, что позволяет системе работать без постоянного участия инженеров.

В реальных экспериментах ENPIRE достиг 99% успешности при выполнении задач манипуляции, если агенту давали до 8 попыток. Масштабирование на парк из 8 роботов с обменом результатами через Git сократило время обучения с 5 до 2 часов для задачи Push-T и с 90 до 40 минут для Pin Insertion. Однако авторы отмечают ограничения: рост числа роботов увеличивает расход токенов и снижает среднюю загрузку оборудования, а система пока протестирована только на ограниченном наборе задач манипуляции.