NVIDIA团队让编程Agent接管真实机器人实验，成功率达99%

编辑｜杨文

自动化研究，这一次真正走出代码沙盒，进入了真实的物理世界。

最近，NVIDIA GEAR 实验室负责人 Jim Fan 介绍了一个名为 ENPIRE 的最新项目。这是他们首次在机器人硬件上实现了自动化研究

他们把 8 个 Codex Agent 放到一个机器人舰队里，分配好 GPU 算力和充足的 token 预算，只给出一个简单目标：尽快解决任务、让机器人保持忙碌但确保安全、不要浪费算力

接下来人类就基本退出干预。Agent 自主驱动整个闭环，包括自动重置场景、搜索文献、实现想法并搭建基础设施、训练和部署策略、自我验证、分析日志并改代码，不断迭代，直到在真实硬件上可靠完成高精度灵巧任务，比如系扎带、插针盒整理、安装 GPU 等。

视频链接：https://mp.weixin.qq.com/s/5AquJh3AsSdudyrXqAsoAQ

他们还观察到一种「物理 scaling law」，增加并行机器人数量（例如从少量增加到 8 个），能显著加快任务解决速度。

目前，该实验室的部分系统已实现彻夜无人类干预的自我迭代，研究人员仅需在早晨查看报告即可。

Jim Fan 称，未来目标是让团队成员安心休假，甚至连 NVIDIA CEO 黄仁勋都察觉不到实验室仍在自主运行

ENPIRE 项目计划完全开源，届时普通开发者也有望在家中搭建类似的自主机器人研究系统。

项目地址：https://research.nvidia.com/labs/gear/enpire/

ENPIRE 系统架构：四个模块构成闭环

ENPIRE 是一个专为编码 Agent 设计的框架系统，通过四个核心模块构建可重复的物理反馈循环：环境模块（EN）负责自动重置和验证，策略改进模块（PI）启动策略优化，Rollout 模块（R）支持单台或多台机器人并行评估策略，进化模块（E）则让编码 Agent 分析日志、查阅文献、改进训练基础设施和算法代码以解决失败模式。

这一闭环系统将真实世界机器人学习转化为一个由 Agent 管理的、可控的优化过程，从而最大限度减少人工投入，同时支持在不同训练配方和 Agent 变体之间开展公平的消融实验。

在 ENPIRE 的支持下，前沿编程 Agent 能够自主开发策略，并在 PushT、将插针整理进针盒、使用切刀剪断扎带等具有挑战性的真实世界灵巧操作任务中，实现 99% 的成功率。

关键发现：重置环境比完成任务本身更容易

其中一个关键观察是：对许多机器人任务而言，重置环境往往比完成任务本身更容易。

因此，ENPIRE 的做法是，先让 Agent 通过 Code-as-Policy 构建自动重置环境。很多情况下，所谓重置其实就是一个 pick-and-place 任务，可以由 Cap-X 解决。

随后，智能体会编写基于启发式规则的奖励函数。研究团队再将该环境放入沙箱，并启动 Agent 围绕得分开展自动化研究。

这也呼应了 Karpathy 对自动化研究的定义：这里所说的自动化研究，并不是简单调一个超参数，或改动某一小段代码。Agent 会从互联网上探索不同范式，并重写一切可能推动性能提升的部分，包括算法、训练目标，甚至数据加载器。

在插针任务中，一个 Agent 甚至自行编写了接触力安全控制器，其效果超过了单纯调节若干强化学习参数。

新指标MRU与MTU

ENPIRE 的扩展能力取决于 Agent 团队规模和算力资源，只不过在这里，真正稀缺的资源不是 GPU，而是机器人时间。

当研究团队为 Agent 提供 8 台机器人，而不是 1 台机器人时，插针任务达到接近完美表现所需的时间，从 1.5 小时以上缩短到了约 40 分钟。这些 Agent 通过 Git 进行协调：共享代码、放弃不理想的想法，并自主地挑选彼此的最佳运行结果。

这指向了一个更大的变化：机器人研究正在变成一种环境设计工作，即为 coding Agent 搭建可以在其中进行自动化研究的环境；算法工作则上移到了更高一层，转向构建一种 Agent 能够自行闭合的反馈循环。

而这个循环会不断复利式累积：Agent 今天掌握的一项技能，明天就会成为构建并重置更困难任务环境的基础模块。能力会自举出新的能力。

在这一范式下，真正的硬约束是真实世界交互预算。

因此，研究团队提出了两个指标：

• 平均机器人利用率（Mean Robot Utilization，MRU）：机器人实际运行实验的时间占总真实耗时的比例。
• 平均 Token 利用率（Mean Token Utilization，MTU）：衡量 Agent 将 token 转化为研究进展的效率。

在他们的实验中，MRU 始终低于 50%。也就是说，机器人有一半时间都处于空闲状态，在等待 Agent 思考。因此，更好的 harness 和更快的模型，会直接转化为实际收益。

PushT 是一个沿用已久的机器人操作基准。通常，要完成这个任务，需要大量人类示范数据，再加上数小时的行为克隆训练。

视频链接：https://mp.weixin.qq.com/s/5AquJh3AsSdudyrXqAsoAQ

但他们看到，Codex、Claude Code 和 Kimi Code 都用一套基于规则的启发式方法，在不到 2 小时内「解决」了这个任务：不使用神经网络，不进行训练，也不依赖任何人类数据。

视频链接：https://mp.weixin.qq.com/s/5AquJh3AsSdudyrXqAsoAQ

真实世界中的启发式 PushT，其中机械臂会先执行 go home 回到初始位姿，以避免遮挡视觉感知。

为了让更多人能在家尝试物理世界中的自动化研究，他们基于 @LeRobotHF 的 SO-101 套件 + NVIDIA Jetson Thor 开发了一整套全栈系统。这套系统可以完成 PushT 任务。

https://x.com/_wenlixiao/status/2066913334994358342

https://x.com/DrJimFan/status/2066921736369766762