Содержание
Nvidia показала роботов на базе проекта ENPIRE, которые сами учатся выполнять точные задачи с реальным железом. В демонстрации один робот передаёт видеокарту другому, а тот вставляет её в PCIe-слот материнской платы.
Сцена выглядит знакомо любому, кто хоть раз собирал ПК на кухонном столе. Только вместо рук — манипуляторы, камеры и кодовые агенты, которые пробуют, ошибаются и снова пробуют уже на физическом стенде.
Это не ролик про заводскую линию, где всё заранее отлажено под одну операцию. Nvidia показывает другой подход: роботы получают задачу, оборудование и программный контур для самообучения. А дальше они ищут рабочую стратегию в реальном мире, а не только в симуляторе.
ENPIRE учит роботов через реальные попытки
ENPIRE — исследовательский фреймворк для кодовых агентов, которые улучшают поведение роботов через физическую обратную связь. Проект описан на странице ENPIRE: Agentic Robot Policy Self-Improvement in the Real World, и Nvidia планирует открыть его код.
Джим Фан, директор по AI в Nvidia и Distinguished Scientist, объяснил механику так: исследователи дали 8 агентам Codex парк роботов, лимит GPU и большой бюджет токенов. Затем агенты получили задачу — решить её быстро и без ошибок.
После этого система начинает сама набирать опыт. Роботы ищут визуальные подсказки, сбрасывают сцену, тренируют новые навыки, правят управляющий стек, читают научные работы и анализируют логи.
Фан описал это коротко: «Мы дали Codex API к миру атомов, а остальное — эмерджентность».
Как робот вставляет видеокарту в материнскую плату
В самом понятном для нас эпизоде робот берёт видеокарту и передаёт её второму манипулятору. Второй держит перед собой материнскую плату, совмещает разъём карты с PCIe-слотом, аккуратно опускает карту и нажимает до посадки.
В момент установки карта немного качается. Любой сборщик ПК узнает этот нервный момент: вроде попал, но рука всё равно проверяет усилие. По ролику не видно теста включения системы, поэтому говорить о полностью проверенной сборке рано.
Но сама задача сложнее, чем кажется со стороны. Роботу нужно увидеть слот, правильно развернуть плату, удержать угол, не приложить лишнее усилие и не промахнуться по контактам. На конвейере это решают оснасткой, шаблонами и жёстко заданной траекторией. Здесь Nvidia делает ставку на обучение через попытки.
- установка видеокарты: совмещение PCIe-разъёма с материнской платой;
- сортировка металлических пинов: работа с мелкими деталями в контейнере;
- манипуляции со стяжками: завязывание и корректная резка zip ties.
Из чего состоит система самообучения
Исследователи описывают ENPIRE как связку из четырёх модулей. Каждый закрывает отдельную часть цикла: подготовку сцены, улучшение политики, проверку на роботах и анализ ошибок.
- Environment: автоматически сбрасывает сцену и проверяет результат;
- Policy Improvement: запускает доработку поведения робота;
- Rollout: оценивает политики на одном или нескольких роботах;
- Evolution: анализирует логи, ищет литературу и улучшает код обучения.
В работе сравнили разные кодовые агенты. В списке фигурируют Codex с GPT-5.5, Claude Code с Opus 4.7 и Kimi Code с Kimi K2.6. Nvidia не сводит демонстрацию к одному ролику: команда проверяла, как меняется скорость решения задач при увеличении числа роботов.
Вывод ожидаемый, но важный для лабораторий: восемь роботов, которые исследуют задачу параллельно, решают её заметно быстрее, чем меньший парк. Это похоже на многопоточность, только вместо потоков — физические манипуляторы, камеры и реальные неудачи.
Почему это не замена сборщикам ПК завтра
Демонстрация Nvidia не означает, что завтра робот дома соберёт вам игровой ПК под RTX и аккуратно проложит кабели за поддоном. Заводская автоматизация давно умеет вставлять компоненты быстрее, если инженеры заранее построили линию под конкретную операцию.
Смысл ENPIRE в другом. Система пытается перенести подход AutoResearch из софта в физический мир. Агент не просто пишет код и гоняет тесты, а управляет роботами, смотрит на результат и меняет алгоритм после реальных провалов.
Для домашнего ПК-сборщика это пока скорее технологический аттракцион. Для лабораторий робототехники — способ ускорить обучение навыкам, где симулятор плохо передаёт трение, люфт, изгиб пластика и мелкие ошибки позиционирования.
Nvidia отдельно заявляет, что проект ENPIRE станет open source, чтобы исследователи могли запустить «самоуправляемую роботизированную лабораторию дома». Джим Фан шутит, что цель проста: натренировать роботов, уйти в отпуск, «и Дженсен даже не заметит».
