Nvidia продемонстрировала агентивных роботов, способных самостоятельно осваивать высокоточные и ловкие задачи в реальном мире. В демонстрационном ролике этой технологии ENPIRE мы видим комнату, полную роботов, выполняющих такие действия, как захват и установка видеокарты в материнскую плату, сортировка металлических штифтов в контейнере, а также манипулирование и правильная резка кабельных стяжек. Джим Фан, директор по ИИ и выдающийся ученый Nvidia, заявил, что эта демонстрация показывает, что исследователи впервые могут «обеспечить AutoResearch в физическом мире!». Фан объясняет, что проект ENPIRE предоставил 8 агентам Codex парк роботов, выделение GPU и щедрый бюджет токенов. Затем агентам была поставлена задача решить ее как можно быстрее и без ошибок. «Как только поступает команда, парк роботов оживает: они учатся искать визуальные подсказки, сбрасывать сцену, практиковать новые навыки, возиться с программным стеком управления, читать статьи онлайн, обсуждать, размышлять, застревать и пробовать снова непосредственно на оборудовании», — объясняет ученый из Стэнфорда. «Все, что мы сделали, это предоставили Codex API к миру атомов, а остальное — это эмерджентность». Нас больше всего заинтересовала установка видеокарт роботом «самостоятельно». В короткой записи этого конкретного PC DIY задания видно, как один роботизированный манипулятор выбирает видеокарту и передает ее другому, перед которым лежит материнская плата. Затем второй манипулятор осторожно позиционирует слот PCIe карты, совмещая его со слотом материнской платы, плавно опускается и вставляет ее на место. При вставке он немного покачивался, но мы полагаем, что все было бы в порядке. Другие задачи AutoResearch, которые были поставлены перед роботами, включали организацию мелких штифтов, а также завязывание и разрезание кабельных стяжек. В сопроводительной исследовательской статье ENPIRE: Agentic Robot Policy Self-Improvement in the Real World вы можете узнать больше о методах, лежащих в основе этой демонстрации. Вы также можете увидеть результаты сравнительных тестов при использовании различных кодовых агентов, включая Codex с GPT-5.5, Claude Code с Opus 4.7 и Kimi Code с Kimi K2.6. Исследователи также протестировали масштабирование парка роботов, придя к выводу, что «восемь роботов, исследующих параллельно, решают задачу значительно быстрее, чем меньшее их количество». Фан пошутил, что цель состоит в том, чтобы обучить роботов, а затем все уходят в отпуск, «и Дженсен даже не заметит ;)».
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Mark Tyson
