輝達、CMU 與 Berkeley 推出具身智慧自主研究框架 ENPIRE，讓 AI Agent 掌控機器人進行自動實驗
為何重要
這項技術標誌著具身智慧從「執行指令」邁向「自主迭代」的關鍵階段，打破了 Simulation-to-Real 的僵局，將物理世界轉化為可重複試錯的研發環境。 對產業而言，這證實了 Agent 可以在真實世界自學技能，未來具身智慧企業不僅需要資料與算力，更需具備高效率的「機器人實驗室」消費意願。 此技術路線可能改變具身創新的供需結構，從賣預訓練模型轉向提供可自動修復與改進的 Agent 試煉場。
NVIDIA、CMU 和 Berkeley 推出自主研究框架 ENPIRE，允許 Coding Agents 在真實物理世界中執行自動研究流程，包括讀取論文、改寫演算法與訓練策略。
- 框架由 Environment、Policy Improvement、Rollout 和 Evolution 四大模組構成，8 個 Coding Agents 透過 Git 共享程式碼與知識。
- 在針插入任務中，Agent 僅 3 小時便將針插入 4 毫米孔洞的成功率從 0% 提升至 99%。
- 為解決真實環境重置難題，系統定義 <150 毫秒的視覺檢測機制來自動評分與復位場景。
- 針對多機人形佇列的實驗顯示，成功速度從單機模式 1.5 小時縮短至 8 機並行模式的 40 分鐘。