NVIDIA научила роботов учиться без человека: платформа ENPIRE достигает 99% точности

Исследование опубликовано командой NVIDIA и описано в рассылке Import AI (выпуск 463). До сих пор обучение роботов в реальном мире требовало постоянного присутствия человека: кто-то должен был оценивать каждую попытку, а затем вручную возвращать объекты на место для следующей. ENPIRE заменяет обе эти роли программными модулями и превращает физическое обучение в замкнутый цикл, которым управляет ИИ-агент.

Как устроен замкнутый цикл обучения?

ENPIRE состоит из четырёх модулей, каждый отвечает за свой шаг цикла.

• Environment (EN) автоматически сбрасывает сцену в исходное состояние и проверяет, что всё готово к новой попытке. Раньше это делал лаборант руками.
• Policy Improvement (PI) запускает улучшение стратегии поведения робота, то есть пересчитывает, как именно двигать манипуляторами.
• Rollout (R) прогоняет новую стратегию на одном или нескольких роботах параллельно и собирает данные о результатах.
• Evolution (E) передаёт логи ИИ-агенту-кодеру (coding agent), который читает записи, ищет публикации по теме и правит код обучения, чтобы устранить конкретные ошибки.

Весь контур работает без человека: робот пробует, система оценивает, сбрасывает сцену, агент-кодер анализирует провал, меняет код, и цикл повторяется.

Что обнаружили?

• 99% успешности на задачах точной манипуляции: толкание объекта по траектории (PushT), укладка штырьков в коробку, разрезание пластиковой стяжки кусачками. Дополнительный тест: установка GPU в материнскую плату.
• GPT-5.5 и Opus 4.7 показали сопоставимые результаты в роли агентов-кодеров, модель Kimi-2.6 отстала. Выбор языковой модели влияет на скорость и качество, но не критичен, если модель достаточно сильная.
• Масштабирование работает: 8 параллельных агентов находят высокооценённые решения раньше, чем один, а иногда выходят на абсолютный максимум, недоступный одиночному агенту. Причина: больше агентов покрывают больше вариантов стратегий.
• Узкое место при масштабировании: когда агенты читают логи, пишут код или ждут ответа от языковой модели, роботы простаивают. Утилизация роботов (Machine Resource Utilization, MRU, доля времени, когда робот реально работает) падает с ростом числа машин, хотя загрузка GPU растёт. Параллелизация пока не линейная.

Что это значит для вас?

Авторам Дзена и копирайтерам. Тема самообучающихся роботов набирает поисковый интерес. Запрос «самообучающийся робот купить» пока приводит к образовательным конструкторам и игрушкам, но ENPIRE показывает, куда движется индустрия: к системам, которые учатся сами и не требуют программиста на каждом шаге. Это хорошая тема для разбора, пока конкуренция в выдаче невысока.

Маркетологам и продуктовым командам. Если вы работаете с автоматизацией или продаёте оборудование, главный вывод: NVIDIA строит экосистему, где её GPU нужен не только для обучения моделей, но и для физической станции робота. RTX 5090 на каждой станции фиксирует аппаратную привязку.

Предпринимателям в РФ и СНГ. В России серийных аналогов ENPIRE нет. Ближайшие по духу проекты в робототехнике развивают «Сбер» (робот-курьер), «Яндекс» (роботы-доставщики «Ровер»), лаборатории МФТИ и Сколтеха. Подход NVIDIA может быть воспроизведён на открытом ПО и доступном оборудовании, но пока это уровень исследовательских лабораторий, а не готового продукта, который можно купить и внедрить.

Тем не менее ENPIRE фиксирует конкретный рубеж: физический робот впервые прошёл полный цикл самоулучшения без оператора и вышел на 99% точности, пусть и на ограниченных задачах. Для тех, кто следит за робототехникой или планирует автоматизацию, это сигнал начать разбираться в агентных архитектурах сейчас, пока технология ещё в лаборатории.

По данным Import AI, выпуск 463