Investigadores de Nvidia, la Universidad Carnegie Mellon y la Universidad de California, Berkeley introdujeron ENPIRE — un marco que permite a los agentes de codificación de IA mejorar las políticas de control de robots en hardware real.
El sistema funciona en un bucle cerrado: el robot realiza una tarea, el entorno evalúa automáticamente el resultado y regresa a su estado inicial, y el agente de IA analiza errores, reescribe el código y lanza la siguiente serie de pruebas.
Cómo funciona ENPIRE
En robótica, el entrenamiento en hardware real sigue siendo un proceso costoso y lento. Después de un intento fallido, la escena debe volver a su estado inicial, se debe verificar el resultado, cambiar el algoritmo y realizar nuevamente la prueba. Generalmente, parte de este trabajo requiere la participación de ingenieros.
ENPIRE transfiere al mundo físico un enfoque que Nvidia llama AutoResearch: los agentes de IA escriben código, lo prueban y lo mejoran en iteraciones posteriores. Sin embargo, a diferencia de un entorno digital, aquí cada experimento involucra robots reales, cámaras, objetos, errores de agarre, fricción y otras limitaciones físicas.
El marco consta de cuatro módulos:
- El entorno es responsable del reinicio automático de la escena, la verificación de resultados, el registro y las interfaces de seguridad;
- La Mejora de Políticas lanza la mejora de la política de control;
- El Despliegue evalúa la política en uno o varios robots físicos;
- La Evolución permite a los agentes analizar registros, buscar ideas en la literatura, cambiar la infraestructura de entrenamiento y corregir el código.
Después de la configuración inicial del entorno, el bucle puede ejecutarse sin supervisión humana constante. El agente recibe datos de video, trayectorias y la función de recompensa, propone una nueva hipótesis, cambia el código, prueba el resultado en el robot y guarda los cambios si mejoran la métrica.
Por qué se necesitan la verificación y el reinicio automáticos
Un elemento clave de ENPIRE es la automatización de dos operaciones: verificar el resultado y devolver la escena a su estado inicial. La primera es necesaria para que el sistema pueda determinar por sí mismo si la tarea se ha completado. Por ejemplo, en el escenario de la brida, la función de evaluación combinó un detector, un modelo de segmentación y verificación por dos cámaras. De esta manera, el agente recibió una señal de éxito o error sin etiquetado manual de cada ejecución.
El reinicio automático permite realizar muchos intentos en fila. Después de una acción fallida, el robot debe devolver el objeto o la escena a un estado adecuado para el siguiente experimento. Sin esto, el entrenamiento en hardware real rápidamente se encuentra con la necesidad de una constante intervención humana.
Como señaló Decrypt, en la primera etapa un humano ayuda al agente a crear herramientas permanentes: un procedimiento de reinicio y una función de recompensa. Después de eso, se reutilizan, y el agente se encarga de la mejora continua de la política.
Lo que se mostró en los robots
En experimentos reales, el equipo probó ENPIRE en varias tareas de manipulación. Push-T verifica si el robot puede empujar un objeto en forma de T a una zona dada. La Inserción de Pines requiere insertar pines en agujeros de 4 mm de diámetro. La instalación de GPU y las operaciones con una brida también se muestran.
En la página del proyecto de Nvidia se indica que en tareas de manipulación reales, el sistema completó con éxito la tarea en el 99% de los casos si se le dieron hasta ocho intentos teniendo en cuenta errores previos. La métrica refleja la capacidad del sistema para recuperarse después de fallos y repetir acciones teniendo en cuenta el contexto, en lugar de la precisión de un solo intento aislado.
Como agentes de codificación, el equipo comparó Codex en GPT-5.5, Claude Code en Opus 4.7 y Kimi Code en Kimi K2.6. La evaluación tuvo lugar en el benchmark AutoEnvBench en las tareas de Push-T y Inserción de Pines.
Los investigadores también probaron ENPIRE en RoboCasa, un simulador de tareas domésticas como abrir armarios y cajones y encender o apagar objetos en la cocina. En estos escenarios, ENPIRE superó a GR00T de Nvidia y CaP-X, un sistema de agentes que utiliza herramientas pero no realiza un ciclo completo de investigación automática.
Ocho robots aceleraron el entrenamiento
Un bloque separado del trabajo está dedicado a la escalabilidad a una flota de robots. Nvidia realizó un experimento en ocho estaciones robóticas con dos manipuladores. Cada una tenía su propio hardware, computadora y agente de codificación de IA.
Las estaciones intercambiaron resultados a través de Git: una idea o cambio de código exitoso podría difundirse rápidamente entre los agentes. Este enfoque hizo posible reducir el tiempo de capacitación. Según Decrypt, la transición de un robot a ocho redujo el tiempo para dominar Push-T de aproximadamente cinco a dos horas. Para la Inserción de Pines, el tiempo bajó de más de 90 minutos a aproximadamente 40 minutos.
Limitaciones
Los autores enfatizaron que la escalabilidad no resuelve todos los problemas. Cuando los agentes leen registros, escriben código, lo depuran o esperan una respuesta del modelo de lenguaje base, los robots y los recursos informáticos no se utilizan completamente. A medida que aumenta el número de robots, la actividad de la GPU aumenta, pero la utilización promedio de los propios robots disminuye. Los equipos de agentes pasan más tiempo resumiendo los resultados de otras ramas y coordinándose, en lugar de solo en ejecuciones físicas.
Otra limitación es el crecimiento en el consumo de tokens. Una flota más grande de robots lleva la política a un estado operativo más rápido, pero requiere más tokens debido a la lectura de registros, el intercambio de ideas y la coordinación entre agentes.
Además, ENPIRE hasta ahora se ha demostrado en un conjunto limitado de tareas de manipulación. Sus resultados no significan que los robots ya puedan dominar de forma independiente habilidades físicas arbitrarias en un entorno abierto sin preparación técnica.
Recuerda que en junio Nvidia presentó el Robot Humanoide de Referencia Isaac GR00T — un diseño de referencia de investigación para desarrollar y probar las habilidades de los robots humanoides. La configuración incluía un cuerpo Unitree H2 Plus y manos táctiles de cinco dedos de Sharpa Wave.
Anteriormente, Unitree presentó "el primer robot pilotado listo para producción en masa del mundo". El androide es capaz de moverse en dos y cuatro extremidades.
Fuente: ForkLog
