NVIDIA, CMU e UC Berkeley apresentam ENPIRE: agentes de IA treinam robôs sozinhos com 99% de sucesso
Framework de circuito fechado em que agentes programam, testam, verificam e reescrevem código de treinamento de robôs físicos sem participação humana.
Pontos principais
- ENPIRE entrega ciclo inteiro de pesquisa a agentes de IA
- Agentes resetam cenas físicas, rodam testes em hardware, verificam resultados e reescrevem código
- Sem intervenção humana entre iterações
- Oito agentes Codex rodaram em oito estações de robôs YAM de braços duplos
- Cada estação com hardware, GPU e orçamento de tokens próprios
- Agentes coordenam compartilhando código via Git
- 99% de sucesso em organizar pinos em caixa, encaixar GPUs e cortar abraçadeiras plásticas
- Sistema tem 4 módulos: Environment, Policy Improvement, Rollout e Evolution
- Lançado no mesmo dia da keynote de Jensen Huang no VivaTech 2026 em Paris
A NVIDIA, em parceria com Carnegie Mellon e UC Berkeley, apresentou o ENPIRE — framework que entrega o ciclo inteiro de pesquisa em robótica a agentes de IA. O sistema tem quatro módulos: um Environment para reset e verificação automáticos, um Policy Improvement que dispara o refinamento da política, um Rollout que avalia políticas com um ou múltiplos robôs físicos em paralelo, e um Evolution em que os agentes analisam logs, consultam literatura e reescrevem infraestrutura de treinamento e código de algoritmo para atacar modos de falha.
A escala é o que diferencia: oito agentes Codex rodaram em oito estações de robôs YAM de braços duplos, cada uma com hardware, GPU e orçamento de tokens próprios. Os agentes testaram hipóteses diferentes ao mesmo tempo e coordenaram apenas pelo Git. Em tarefas de destreza fina — organizar pinos em uma caixa, encaixar GPUs, cortar abraçadeiras plásticas — chegaram a 99% de sucesso. O ENPIRE saiu no mesmo dia da keynote de Jensen Huang no VivaTech 2026, em Paris, que teve 'IA física' como tema central.
Comentários
Carregando comentários...