ENPIRE 让编码 Agent 自主做机器人研究,灵巧任务成功率 99%
chris_j_paxton · x · 2026-10-09
NVIDIA、CMU 与 UC Berkeley 团队发布 ENPIRE(CoRL 2026 接收),一个让编码 Agent 在真实世界闭环改进机器人策略的框架。
- 核心思路:补上自动化机器人研究缺失的抽象层——可重复的物理反馈回路:重置场景 → 执行策略 → 验证结果 → 迭代改进。
- 四大模块:Environment(自动重置与验证)、Policy Improvement(发起策略细化)、Rollout(单机或多台真实机器人并行评估)、Evolution(Agent 读日志、查文献、改进训练基础设施与算法代码)。
- 效果:在整理针盒、扎扎带等挑战性灵巧任务上训练出成功率 99% 的策略,人工干预极少。
作者在播客访谈中抛出锐评:给足算力和机器人编队,想不出一件机器人博士能做而编码 Agent 做不了的事。
所属事件:ENPIRE 让编码 Agent 自主开展机器人研究(2 条相关)→
「具身」频道最新
- Odyssey-3 实测：冻结主干训练 20 小时驾驶数据即可迁移 — testingcatalog · 2026-10-09
- 机器人操作研究学者受邀在德州农工大学分享跨具身学习工作 — YuXiang_IRVL · 2026-10-09
- AGI House 携手 Google Gemma 办全端侧硬件黑客松,120 名开发者参赛 — agihouse_org · 2026-10-09
- Odyssey 发布世界模型 Odyssey-3,Physics-IQ 刷出新 SOTA — Scobleizer · 2026-10-09
- 估值390亿美元人形机器人公司Figure,4年10万台目标进度起底 — annatonger · 2026-10-09
- Sentdex:多模态 LLM 零训练操控机器人,VLA 或只是插曲 — Sentdex · 2026-10-09