英伟达GEAR实验室推出基于ENPIRE框架的AutoResearch自主研究系统,让8个Codex智能体驱动的机器人在物理世界自主学习。机器人可整夜自我改进,完成系扎带、插显卡等精细操作,研究人员仅需查看报告。该技术将开源。
先说一个值得关注的进展——英伟达GEAR实验室的Jim Fan日前晒出一段视频,宣布首次在物理世界中启用了名为AutoResearch的自主研究系统。这并非实验室里的虚拟仿真,而是真实的机器人硬件操作。
这套系统背后的核心框架名为ENPIRE,是GEAR实验室自主研发的编码智能体架构。其核心思路是将现实世界中的机器人学习,转化为一个可由系统自身管理和优化的可控过程。换言之,AI不再只是被动执行指令,而是开始主动管理自己的学习与实验流程。
长期稳定更新的攒劲资源: >>>点此立即查看<<<

具体如何操作?团队为8个Codex智能体配置了多个机器人、GPU计算资源以及充足的Token预算,并设定了一个直白的目标:尽可能快地完成任务,让机器人保持忙碌状态,同时确保安全并避免浪费算力。其余环节完全交由系统自主发挥。
随后,有趣的现象发生了。这些机器人开始主动寻找视觉线索、自行重置实验场景、练习新技能、调整控制参数栈,甚至在线阅读论文、展开内部辩论、进行自我反思——遇到瓶颈时,直接在硬件上重新尝试。研究人员所做的,不过是为Codex提供了一个通往物理世界的API接口,除此之外的所有探索行为均由AI自主完成。




结果令人印象深刻。在ENPIRE的加持下,机器人能够独立完成高精度操作任务,例如系扎带、整理钉子,甚至将显卡准确插入主板——这些对机器人而言绝非“小儿科”。
Jim Fan透露了一个关键细节:机器人可以整夜不间断地自我改进,研究人员只需第二天早上查看训练报告。这类似于AI主力打游戏、人类观看录像回放的感觉——但这一次是在真实的物理世界中操作。
更值得关注的是,Jim Fan表示该项技术将开源。这意味着,有条件的科技爱好者未来也能在家搭建自己的自动化机器人实验室。

ENPIRE论文链接:
侠游戏发布此文仅为了传递信息,不代表侠游戏网站认同其观点或证实其描述