英伟达把8个AI和8台机器人关在一起，它们学会了自己做实验

如果未来的机器人实验室里没有人类研究员，会发生什么？

今天，英伟达高级研究科学家、具身智能负责人 Jim Fan 公布了一个名为 “ENPIRE ”的新项目。在这个实验室里，8 个 AI coding agent 与 8 台机器人组成了一支“科研团队”：它们自己设计实验、自己修改代码、自己验证结果，并持续优化机器人策略，而人类研究员只负责设定目标和观察结果。

图｜ENPIRE 机器人实验平台（来源：NVIDIA）

8 个实验单元上，各自配备了两条 6 自由度 YAM 机械臂、一台 Intel RealSense 深度摄像头，以及一台搭载单块 NVIDIA RTX 5090 显卡（32GB 显存）的工作站。所有训练、推理和 agent 运行均在本地完成，没有依赖共享计算集群。

研究团队同时测试了 Codex、Claude Code 和 Kimi Code 三种 coding agent。在模拟环境中三者都能够完成任务，但在真实机器人上的表现存在明显差异，其中 Codex 整体表现最好，达到目标成功率所需时间最短。

Jim Fan 将其称为“AutoResearch（自动科研）进入物理世界的一次尝试”。他还在帖子中打趣说，希望以后团队能全员溜号去度假，实验室全靠机器人和 AI 自己跑，老板黄仁勋都发现不了。

玩笑归玩笑，这句话也交代了 ENPIRE 的一个重要目标：让机器人在真实环境中的研发逐步实现自主循环。

这也是 NVIDIA GEAR（Generalist Embodied Agent Research）实验室近年来 Physical AI 路线的延伸。此前团队重点关注机器人基础模型、世界模型和仿真平台，而 ENPIRE 则进一步将 attention 转向机器人研发流程。目前，相关技术论文已经同步上线，官方表示全部代码和系统在未来都将开源。

（来源：NVIDIA）

给 AI 一个机器人身体

在 ENPIRE 中，核心角色是AI coding agent，即能够自主编写、执行和调试代码的 AI 系统。与传统聊天机器人不同，它们能够主动调用工具、运行程序，并根据反馈持续修改代码。

过去，它们只能在屏幕里写代码、跑程序；现在，它们在 ENPIRE 中第一次拥有了真实世界中的机械臂、摄像头和实验对象。它们写下的代码，不只是生成一个数字结果，而是直接驱动机器人去抓取、插入、剪切和操作真实物体。

过去几年里，自动化科研已经在数字世界取得了不少进展。去年 Andrej Karpathy 开源的 autoresearch 项目，可以让 AI 自动完成模型训练和实验管理；AI Scientist 等系统则已经能够自动生成研究方案、运行实验并撰写论文。

但这些系统有一个共同特点：它们始终运行在数字环境之中。代码运行完成就会得到结果，模拟器里的物理规律是确定的，一次失败可以零成本重新开始。

真实世界则完全不同。机器人碰撞时的摩擦力会发生变化，物体位置无法被精确复原，光照条件和传感器噪声也始终在波动。论文中提到，在模拟环境中的“Push-T”（机器人通过推动而非抓取的方式，将一个 T 形积木移动到指定区域）任务里，三个被测试的 coding agent 全部成功完成了任务；但当同样的方法被部署到真实机器人上时，其中两个 agent 都失败了。

所以，为了应对真实世界的非确定性，ENPIRE 整个系统被拆分为两个阶段。

第一阶段需要少量人类参与。coding agent 首先在人类指导下搭建一套“环境基础设施”，包括安全边界、自动重置和自动验证机制。所谓安全边界，就是规定机器人不能执行哪些危险动作；自动重置负责在实验结束后恢复场景；自动验证则负责判断一次操作究竟成功还是失败。这些模块一旦完成，就不再修改，而是作为后续所有实验共享的基础设施。

第二阶段则完全自主。获得环境接口之后，coding agent 开始真正意义上的“研究工作”。它们会阅读相关论文寻找灵感，提出新的算法假设，修改训练代码，调整强化学习和行为克隆策略的超参数，然后部署到真实机器人上验证效果，再根据实验结果继续改进。

Jim Fan 用一句话概括了这个过程：“我们所做的只是为 Codex 提供了一个通往原子世界的 API，其余的一切都是涌现。”

（来源：论文）

AI 如何在真实世界做实验

为了验证这一框架，研究团队设计了多个真实机器人任务。一个是上文提到的 Push-T 任务，团队要求机器人通过推的方式将一个 T 形积木移动到指定区域；还有一个是插针任务，要求机器人把大头针准确插入直径仅 4 毫米的孔洞；GPU 插入任务则是真正将 GPU 插进主板插槽；而剪扎带任务则要求机器人拿起剪刀并剪断扎带尾部。

这些任务都涉及高精度操作，其中不少还需要实时视觉反馈和复杂接触控制。在团队发布的演示视频中，GPU 插入和剪扎带也是重点展示的内容：前者要求机器人将 GPU 精确插入主板插槽，后者则涉及抓取剪刀并完成工具使用。

在插针任务中，agent 的表现尤其值得关注。为了提高成功率，它们自主尝试了行为克隆、在线强化学习、离线强化学习以及多种混合方案，并不断调整批量大小、策略更新频率和正则化参数。最终，系统实现了连续 50 次成功插针的目标。

更有意思的是，这支 agent 团队并不是简单地进行参数搜索。团队的论文附录展示了一棵“假设演化树（Idea Tree）”，记录了 agent 在实验过程中提出、验证和放弃的各种改进思路。不同 agent 会围绕奖励设计、训练方式、超参数设置等方向展开探索，再根据实验结果决定哪些路线继续保留、哪些路线被淘汰。

其中，仅调整行为克隆中的一个正则化项，就带来了 10.8% 的成功率提升，成为整个实验过程中贡献最大的单项改动。而最终的收敛速度也超过了此前依赖人类持续参与的机器人强化学习方法。

机器人数量成为新的 scaling 资源？

不过，这些都还不是这个项目最引人关注的部分。

研究团队还发现，当机器人和 coding agent 的数量增加时，达到同样性能目标所需的研发时间会明显缩短。为此，他们搭建了由 1 台、4 台和 8 台机器人组成的不同规模实验系统。结果显示，在插针任务中，1 台机器人需要超过 1.5 小时才能达到接近完美的成功率；4 台机器人缩短到约 50 分钟；8 台机器人则进一步缩短到约 40 分钟。

（来源：论文）

多个 coding agent 会同时探索不同路线。有的尝试新的强化学习算法，有的修改奖励函数，还有的负责调整训练基础设施。一旦某个方向被证明有效，其他代理会通过 Git 自动复制、合并甚至直接复用这些成果；而效果不佳的路线则被快速淘汰。

从形式上看，这有些像一个由 AI 组成的研究团队：多个 agent 并行开展实验，并持续共享彼此的发现。这或许也意味着机器人实验室开始出现类似 AI 领域的“扩展效应（scaling effect）”。

过去，大模型能力的提升往往来自更多 GPU、更多数据和更大的参数规模；而在 ENPIRE 中，研究团队开始尝试回答另一个问题：如果增加机器人数量和并行实验规模，是否也能持续加快机器人的学习和研发过程。

但这种加速也有相应的代价。论文显示，随着代理数量增加，总 token 消耗呈现超线性增长。原因在于，每个代理不仅要做自己的实验，还需要持续阅读和理解其他代理的研究进展。换句话说，系统用更高的计算成本换来了更短的研发时间。

另一个有趣的发现来自知识迁移。

完成插针任务之后，研究人员要求 agent 总结自己学到的经验，并生成一份 Markdown 文档。当新的 GPU 插入任务开始时，这份总结被直接附加到任务说明中。结果显示，这些文字形式的经验总结能够帮助 agent 更快掌握新任务。这说明，在 autoresearch 的过程中被迁移的不是模型参数，也不是训练数据，而是方法论。这与人类研究者记录实验笔记、总结经验再应用到新课题的方式颇为相似。

但目前来看，ENPIRE 还是存在一定的局限性。首先，系统并非完全自主运行。研究人员仍需要提前搭建实验环境、定义安全边界、设计自动验证机制，并为不同任务开发对应的重置流程。agent 能够自主改进策略，但实验平台仍然依赖大量前期工程投入。

其次，ENPIRE 目前验证的任务规模仍然相对有限，无论是 Push-T、插针还是 GPU 插入，本质上都属于结构化程度较高的桌面操作任务。系统能否扩展到更开放、更复杂的真实环境，仍有待进一步验证。

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

2.https://research.nvidia.com/labs/gear/enpire/

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成