Pesquisadores da Nvidia, da Universidade Carnegie Mellon e da Universidade da Califórnia, Berkeley introduziram o ENPIRE — uma estrutura que permite que agentes de codificação de IA melhorem políticas de controle de robôs em hardware real.
O sistema opera em um loop fechado: o robô realiza uma tarefa, o ambiente avalia automaticamente o resultado e retorna ao seu estado inicial, e o agente de IA analisa erros, reescreve o código e inicia a próxima série de testes.
Como o ENPIRE funciona
Na robótica, o treinamento em hardware real continua sendo um processo caro e lento. Após uma tentativa fracassada, a cena deve ser retornada ao seu estado inicial, o resultado verificado, o algoritmo alterado e o teste realizado novamente. Normalmente, parte desse trabalho requer a participação de engenheiros.
O ENPIRE transfere para o mundo físico uma abordagem que a Nvidia chama de AutoResearch: agentes de IA escrevem código, testam-no e o melhoram em iterações subsequentes. No entanto, ao contrário de um ambiente digital, aqui cada experimento envolve robôs reais, câmeras, objetos, erros de agarre, atrito e outras restrições físicas.
A estrutura consiste em quatro módulos:
- O Ambiente é responsável pela reinicialização automática da cena, verificação de resultados, registro e interfaces de segurança;
- A Melhoria de Política inicia a melhoria da política de controle;
- O Rollout avalia a política em um ou vários robôs físicos;
- A Evolução permite que os agentes analisem logs, busquem ideias na literatura, mudem a infraestrutura de treinamento e corrijam o código.
Após a configuração inicial do ambiente, o loop pode rodar sem supervisão humana constante. O agente recebe dados de vídeo, trajetórias e a função de recompensa, propõe uma nova hipótese, altera o código, testa o resultado no robô e salva as mudanças se elas melhorarem a métrica.
Por que a verificação automática e o reset são necessários
Um elemento chave do ENPIRE é a automação de duas operações: verificar o resultado e retornar a cena ao seu estado inicial. A primeira é necessária para que o sistema possa determinar por conta própria se a tarefa foi concluída. Por exemplo, no cenário do laço de cabo, a função de avaliação combinou um detector, um modelo de segmentação e verificação por duas câmeras. Dessa forma, o agente recebeu um sinal de sucesso ou erro sem rotulagem manual de cada execução.
O reset automático permite realizar muitas tentativas em sequência. Após uma ação falha, o robô deve retornar o objeto ou a cena a um estado adequado para o próximo experimento. Sem isso, o treinamento em hardware real rapidamente enfrenta a necessidade de envolvimento humano constante.
Como a Decrypt observou, na primeira etapa um humano ajuda o agente a criar ferramentas permanentes — um procedimento de reset e uma função de recompensa. Depois disso, elas são reutilizadas, e o agente assume a melhoria contínua da política.
O que foi mostrado nos robôs
Em experimentos reais, a equipe testou o ENPIRE em várias tarefas de manipulação. O Push-T verifica se o robô pode empurrar um objeto em forma de T para uma zona determinada. A Inserção de Pinos requer a inserção de pinos em furos de 4 mm de diâmetro. A instalação de GPU e operações com um laço de cabo também são mostradas.
Na página do projeto da Nvidia, é afirmado que em tarefas reais de manipulação o sistema completou a tarefa com sucesso em 99% dos casos, se o agente recebeu até oito tentativas, levando em conta erros anteriores. A métrica reflete a capacidade do sistema de se recuperar após falhas e repetir ações levando o contexto em consideração, em vez da precisão de uma única tentativa isolada.
Como agentes de codificação, a equipe comparou o Codex no GPT-5.5, o Claude Code no Opus 4.7 e o Kimi Code no Kimi K2.6. A avaliação ocorreu no benchmark AutoEnvBench nas tarefas Push-T e Inserção de Pinos.
Os pesquisadores também testaram o ENPIRE no RoboCasa — um simulador de tarefas domésticas, como abrir armários e gavetas e ligar ou desligar objetos na cozinha. Nesses cenários, o ENPIRE superou o GR00T da Nvidia e o CaP-X — um sistema de agentes que usa ferramentas, mas não executa um ciclo completo de pesquisa automática.
Oito robôs aceleraram o treinamento
Um bloco separado do trabalho é dedicado à escalabilidade para uma frota de robôs. A Nvidia conduziu um experimento em oito estações robóticas com dois manipuladores. Cada uma tinha seu próprio hardware, computador e agente de codificação de IA.
As estações trocaram resultados via Git: uma ideia ou mudança de código bem-sucedida poderia se espalhar rapidamente entre os agentes. Essa abordagem tornou possível reduzir o tempo de treinamento. De acordo com a Decrypt, a transição de um robô para oito reduziu o tempo para dominar o Push-T de cerca de cinco para duas horas. Para a Inserção de Pinos, o tempo caiu de mais de 90 minutos para cerca de 40 minutos.
Limitações
Os autores enfatizaram que a escalabilidade não resolve todos os problemas. Quando os agentes leem logs, escrevem código, o depuram ou aguardam uma resposta do modelo de linguagem base, os robôs e os recursos computacionais não estão totalmente utilizados. À medida que o número de robôs cresce, a atividade da GPU aumenta, mas a utilização média dos próprios robôs diminui. Equipes de agentes gastam mais tempo resumindo os resultados de outros ramos e coordenando, em vez de apenas em execuções físicas.
Outra limitação é o crescimento no consumo de tokens. Uma frota maior de robôs traz a política para um estado de funcionamento mais rápido, mas requer mais tokens devido à leitura de logs, compartilhamento de ideias e coordenação entre agentes.
Além disso, o ENPIRE até agora foi demonstrado em um conjunto limitado de tarefas de manipulação. Seus resultados não significam que os robôs já podem dominar de forma independente habilidades físicas arbitrárias em um ambiente aberto sem preparação de engenharia.
Lembre-se de que em junho a Nvidia apresentou o Robô Humanoide de Referência Isaac GR00T — um design de referência para pesquisa para desenvolver e testar as habilidades de robôs humanoides. A configuração incluía um corpo Unitree H2 Plus e mãos táteis de cinco dedos da Sharpa Wave.
Anteriormente, a Unitree apresentou "o primeiro robô pilotado pronto para produção em massa do mundo". O androide é capaz de se mover em duas e quatro extremidades.
Fonte: ForkLog
