< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
英伟达开始搞机器人自己研究机器人那套了…
为了让你烧token，英伟达已经卷到机器人身上了
henry 发自 凹非寺
量子位 | 公众号 QbitAI
好好好，又给英伟达这家伙，找到了新的烧token的方式（doge）
刚刚，英伟达、CMU和Berkeley联合推出具身智能Autoresearch框架——
简单来说，ENPIRE就是让AI agent自己做机器人研究，让8个Coding Agent，各自控制一台双臂机器人。
Agent们会自己读论文、改算法、训练策略、部署实验、分析结果、总结经验，不满意再换个思路重来。
GEAR的研究员们不用盯着屏幕调参数，只需要第二天早上过来看报告。
在最具代表性的Pin Insertion任务中，仅用了3小时，机器人把针插进4毫米孔洞的成功率从0一路拉到99%。
全程无人类参与，项目负责人之一的
GEAR实验室的一部分现在已经在彻夜自我改进了。我们只需要早上来读报告。
高情商：彻夜自我改进；低情商：没日没夜的烧token。
具身智能研究的harness
先说明一点，ENPIRE并不是让Agent直接写控制代码操纵机器人，它更像一个机器人研究员，需要在真实世界里重置实验场景、检索文献、实施想法、验证结果、分析问题，优化下一轮迭代。
与类似code as policy的方法不同，ENPIRE的最终产物的不是一段控制脚本，而是一个真正能够部署到机器人上的Policy。
这种给现实环境搭建自动化框架的事儿，之所以难是因为现实世界不像代码世界。
在代码世界，Agent写错代码了，大不了删掉重来；实验跑崩了，重新启动即可。
但机器人研究不一样，实验失败之后，物体会歪掉，场景会乱掉，机器人甚至可能把东西碰飞。
如果每轮实验都要靠研究员手动复位、记录结果、整理数据，那么Agent根本不可能24小时连续做研究。
所以ENPIRE做的事情，本质上是给AI研究员搭建一套自动化实验台。
Harness Framework
可以理解为，它给Coding Agent配齐了一整套做物理实验所需的基础设施。
这套基础设施由四部分组成，也正好对应ENPIRE这个名字：
EN（Environment）环境模块
：负责搭建实验环境，包括安全边界、自动复位和自动评分。
PI（Policy Improvement）策略改进
：Agent根据任务目标提出新方案。行为克隆、强化学习、启发式规则，甚至几种方法混搭，全都可以尝试。
R（Rollout）——部署测试
：把新策略部署到真实机器人上执行，记录轨迹、视频和传感器信号。
E（Evolution）——进化
： 多Agent协作的核心。8个Agent各自占用一台机器人，通过Git共享代码，互相吸收有效方案，淘汰失败路线。
四个模块连起来之后，就形成了一个完整闭环：
提出想法 → 训练策略 → 真机测试 → 自动评分 → 总结经验 → 再提出新想法。
整个过程不需要人工值守，Agent自己负责做实验，也自己负责从实验里学习。
而其中最关键的一环，其实是Environment模块。因为它解决的是具身智能研究里最令人头疼的问题：
怎么让实验自动跑起来。
在仿真环境里，复位往往只需要一句：env.reset()
但现实世界没有env.reset()。