开云登录入口登录APP下载(中国)官方网站

若是将来的机器东谈主实验室里莫得东谈主类谋划员，会发生什么？

今天，英伟达高档谋划科学家、具身智能厚爱东谈主 Jim Fan 公布了一个名为 “ENPIRE ”的新相貌。在这个实验室里，8 个 AI coding agent 与 8 台机器东谈主构成了一支“科研团队”：它们我方联想实验、我方修改代码、我方考证拆伙，并陆续优化机器东谈主计谋，而东谈主类谋划员只厚爱设定目的和不雅察拆伙。

图｜ENPIRE 机器东谈主实验平台（开首：NVIDIA）

8 个实验单位上，各自配备了两条 6 目田度 YAM 机械臂、一台 Intel RealSense 深度录像头，以及一台搭载单块 NVIDIA RTX 5090 显卡（32GB 显存）的责任站。总共熟识、推理和 agent 运行均在土产货完成，莫得依赖分享策画集群。

谋划团队同期测试了 Codex、Claude Code 和 Kimi Code 三种 coding agent。在模拟环境中三者齐能够完成任务，但在真的机器东谈主上的发挥有在较着互异，其中 Codex 举座发挥最佳，达到目的得胜率所需时候最短。

Jim Fan 将其称为“AutoResearch（自动科研）进入物理天下的一次尝试”。他还在帖子中玩笑说，但愿以后团队能全员溜号去度假，实验室全靠机器东谈主和 AI 我方跑，雇主黄仁勋齐发现不了。

玩笑归玩笑，这句话也嘱托了 ENPIRE 的一个热切目的：让机器东谈主在真的环境中的研发迟缓完了自主轮回。

这亦然 NVIDIA GEAR（Generalist Embodied Agent Research）实验室连年来 Physical AI 道路的延长。此前团队重心温雅机器东谈主基础模子、天下模子和仿真平台，而 ENPIRE 则进一步将 attention 转向机器东谈主研发过程。现时，关系本事论文一经同步上线，官方暗示全部代码和系统在将来齐将开源。

（开首：NVIDIA）

给 AI 一个机器东谈主肉体

在 ENPIRE 中，中枢脚色是AI coding agent，即能够自主编写、实践和调试代码的 AI 系统。与传统聊天机器东谈主不同，它们能够主动调用器用、运行门径，并字据响应陆续修改代码。

曩昔，它们只可在屏幕里写代码、跑门径；现时，它们在 ENPIRE 中第一次领有了真的天下中的机械臂、录像头和实验对象。它们写下的代码，不仅仅生成一个数字拆伙，而是径直驱动机器东谈主去抓取、插入、剪切和操作真的物体。

曩昔几年里，自动化科研一经在数字天下取得了不少进展。前年 Andrej Karpathy 开源的 autoresearch 相貌，不错让 AI 自动完成模子熟识和实验措置；AI Scientist 等系统则一经能够自动生成谋划决策、运行实验并撰写论文。

但这些系统有一个共同特色：它们永恒运行在数字环境之中。代码运行完设立会得到拆伙，模拟器里的物理规矩是细目的，一次失败不错零资本重新启动。

真的天下则弥漫不同。机器东谈主碰撞时的摩擦力会发生变化，物体位置无法被精准复兴，光照条款和传感器噪声也永恒在波动。论文中提到，在模拟环境中的“Push-T”（机器东谈主通过鼓舞而非抓取的形状，将一个 T 形积木出动到指定区域）任务里，三个被测试的 coding agent 全部得胜完成了任务；但当一样的门径被部署到真的机器东谈主上时，其中两个 agent 齐失败了。

是以，为了应酬真的天下的非细目性，ENPIRE 总共这个词系统被拆分为两个阶段。

第一阶段需要一丝东谈主类参与。coding agent 率先在东谈主类疏导下搭建一套“环境基础设施”，包括安全范围、自动重置和自动考证机制。所谓安全范围，等于章程机器东谈主弗成实践哪些危急动作；自动重置厚爱在实验收尾后复兴场景；自动考证则厚爱判断一次操作究竟得胜如故失败。这些模块一朝完成，就不再修改，而是看成后续总共实验分享的基础设施。

第二阶段则弥漫自主。取得环境接口之后，coding agent 启动真的意旨上的“谋划责任”。它们会阅读关系论文寻找灵感，提议新的算法假定，修改熟识代码，调遣强化学习和活动克隆计谋的超参数，然后部署到真的机器东谈主上考证效果，再字据实验拆伙链接鼎新。

Jim Fan 用一句话抽象了这个过程：“咱们所作念的仅仅为 Codex 提供了一个通往原子天下的 API，其余的一切齐是流露。”

（开首：论文）

AI 如安在真的天下作念实验

为了考证这一框架，谋划团队联想了多个真的机器东谈主任务。一个是上文提到的 Push-T 任务，团队要求机器东谈主通过推的形状将一个 T 形积木出动到指定区域；还有一个是插针任务，要求机器东谈主把大头针准确插入直径仅 4 毫米的孔洞；GPU 插入任务则是真的将 GPU 插进主板插槽；而剪扎带任务则要求机器东谈主提起剪刀并剪断扎带尾部。

这些任务齐波及高精度操作，其中不少还需要及时视觉响应和复杂搏斗狂放。在团队发布的演示视频中，GPU 插入和剪扎带亦然重心展示的内容：前者要求机器东谈主将 GPU 精准插入主板插槽，后者则波及抓取剪刀并完成器用使用。

在插针任务中，agent 的发挥尤其值得温雅。为了提高得胜率，它们自主尝试了活动克隆、在线强化学习、离线强化学习以及多种羼杂决策，并不断调遣批量大小、计谋更新频率和正则化参数。最终，系统完了了一语气 50 次得胜插针的目的。

更特等想的是，这支 agent 团队并不是浮浅地进行参数搜索。团队的论文附录展示了一棵“假定演化树（Idea Tree）”，记载了 agent 在实验过程中提议、考证和破除的多样鼎新想路。不同 agent 会围绕奖励联想、熟识形状、超参数缔造等认识张开探索，再字据实验结决然定哪些道路链接保留、哪些道路被淘汰。

其中，仅调遣活动克隆中的一个正则化项，就带来了 10.8% 的得胜率擢升，成为总共这个词实验过程中孝顺最大的单项更正。而最终的料理速率也逾越了此前依赖东谈主类陆续参与的机器东谈主强化学习门径。

机器东谈主数目成为新的 scaling 资源？

不外，这些齐还不是这个相貌最引东谈主温雅的部分。

谋划团队还发现，当机器东谈主和 coding agent 的数目增多时，达到一样性能目的所需的研发时候会较着裁减。为此，他们搭建了由 1 台、4 台和 8 台机器东谈主构成的不同范围实验系统。拆伙炫夸，在插针任务中，1 台机器东谈主需要逾越 1.5 小时才能达到接近圆善的得胜率；4 台机器东谈主裁减到约 50 分钟；8 台机器东谈主则进一步裁减到约 40 分钟。

（开首：论文）

多个 coding agent 会同期探索不同道路。有的尝试新的强化学习算法，有的修改奖励函数，还有的厚爱调遣熟识基础设施。一朝某个认识被阐明注解有用，其他代理睬通过 Git 自动复制、灭亡以致径直复用这些恶果；而效果欠安的道路则被快速淘汰。

从体式上看，这有些像一个由 AI 构成的谋划团队：多个 agent 并行开展实验，并陆续分享互相的发现。这好像也意味着机器东谈主实验室启动出现访佛 AI 领域的“扩张效应（scaling effect）”。

曩昔，大模子才能的擢升经常来自更多 GPU、更多数据和更大的参数范围；而在 ENPIRE 中，谋划团队启动尝试回答另一个问题：若是增多机器东谈主数目和并行实验范围，是否也能陆续加速机器东谈主的学习和研发过程。

但这种加速也有相应的代价。论文炫夸，跟着代理数目增多，总 token 挥霍呈现超线性增长。原因在于，每个代理不仅要作念我方的实验，还需要陆续阅读和默契其他代理的谋划进展。换句话说，系统用更高的策画资本换来了更短的研发时候。

另一个真谛的发现来自常识挪动。

完成插针任务之后，谋划东谈主员要求 agent 归来我方学到的教化，并生成一份 Markdown 文档。当新的 GPU 插入任务启动时，这份归来被径直附加到任务阐明中。拆伙炫夸，这些翰墨体式的教化归来能够匡助 agent 更快掌执新任务。这阐明，在 autoresearch 的过程中被挪动的不是模子参数，也不是熟识数据，而是门径论。这与东谈主类谋划者记载实验札记、归来教化再期骗到新课题的形状颇为相似。

但现时来看，ENPIRE 如故存在一定的局限性。率先，系统并非弥漫自主运行。谋划东谈主员仍需要提前搭建实验环境、界说安全范围、联想自动考证机制，并为不同任务设备对应的重置过程。agent 能够自主鼎新计谋，但实验平台仍然依赖大批前期工程插足。

其次，ENPIRE 现时考证的任务范围仍然相对有限，无论是 Push-T、插针如故 GPU 插入，本色上齐属于结构化进度较高的桌面操作任务。系统能否扩张到更绽放、更复杂的真的环境，仍有待进一步考证。

参考融合：

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 扶直生成开云登录入口登录APP下载(中国)官方网站