NVIDIA GEAR实验室发布ENPIRE系统实现AI编程agent自主机器人实验
NVIDIA GEAR实验室联合CMU和UC Berkeley推出ENPIRE(Agentic Robot Policy Self-Improvement in the Real World),让AI编程agent在真实物理世界自主操控机器人完成实验循环,包括重置场景、运行测试、判断成败、查阅论文、迭代代码。
系统分配机器人集群、GPU资源和token预算后设定目标如“高效完成灵巧任务并保持安全”,agent即可自主执行环境搭建、策略改进(从启发式到RL)、真实实验数据收集及失败分析;测试任务包括精密pin脚插入、扎带穿扎、剪刀剪扎带及GPU插主板,达到99%成功率(pass@8)。
市场机制上,研究机构与开发者资金加速流入AI驱动机器人自治平台,NVIDIA作为基础设施提供者直接受益,而依赖人工盯实验的传统实验室承压,事件驱动资本向物理世界AutoResearch闭环集中。
来源:公开信息
ABAB AI 解读
NVIDIA GEAR实验室此前由Jim Fan与Yuke Zhu共同领导,专注从模拟到真实世界的embodied agent基础模型,此路径类似早期Voyager等项目在游戏环境中实现agent自主探索,曾伴随多次从虚拟scaling向物理迁移的迭代尝试。
资本路径上,NVIDIA调动GPU集群与Isaac Lab等资源支持ENPIRE开发,吸引长期学术与产业资本进入物理AI,而非短期套现,形成从agent代码生成到真实机器人实验闭环的资源输送以锁定AutoResearch领先。
类似案例包括OpenAI早期在模拟环境中测试agent自我改进,以及多家实验室的机器人学习循环,NVIDIA GEAR当前处于embodied AI从数字模拟主导向真实世界自主科研转型的扩张控制阶段。
结构判断上,本质属于技术替代,AI编程agent与机器人集群替代人类科研实验盯守,机制在于并行物理scaling law与token预算放大迭代速度,推动资本从人工密集实验室向agent驱动基础设施集中,重塑科研产业链定价权。
ABAB News · 认知定律
物理scaling胜过模拟幻想:更多机器人并行,即更多真实数据杠杆,AI科研速度指数跃升。
实验从人工盯守到agent自治:人类早上看报告,资本自动流向能24/7迭代的闭环结构。
基础设施定义科研边界:谁掌握机器人+GPU+agent预算闭环,谁就锁定后人类时代的发现定价权。