好好好，又给英伟达这家伙，找到了新的烧token的方式（doge）

刚刚，英伟达、CMU和Berkeley联合推出具身智能Autoresearch框架——

ENPIRE

简单来说，ENPIRE就是让AI agent自己做机器人研究，让8个Coding Agent，各自控制一台双臂机器人。



Agent们会自己读论文、改算法、训练策略、部署实验、分析结果、总结经验，不满意再换个思路重来。

GEAR的研究员们不用盯着屏幕调参数，只需要第二天早上过来看报告。

在最具代表性的Pin Insertion任务中，仅用了3小时，机器人把针插进4毫米孔洞的成功率从0一路拉到99%。



全程无人类参与，项目负责人之一的Jim Fan发推说：



不过也有网友表示：

具身智能研究的harness

先说明一点，ENPIRE并不是让Agent直接写控制代码操纵机器人，它更像一个机器人研究员，需要在真实世界里重置实验场景、检索文献、实施想法、验证结果、分析问题，优化下一轮迭代。

与类似code as policy的方法不同，ENPIRE的最终产物的不是一段控制脚本，而是一个真正能够部署到机器人上的Policy。

这种给现实环境搭建自动化框架的事儿，之所以难是因为现实世界不像代码世界。

在代码世界，Agent写错代码了，大不了删掉重来；实验跑崩了，重新启动即可。

但机器人研究不一样，实验失败之后，物体会歪掉，场景会乱掉，机器人甚至可能把东西碰飞。

如果每轮实验都要靠研究员手动复位、记录结果、整理数据，那么Agent根本不可能24小时连续做研究。

所以ENPIRE做的事情，本质上是给AI研究员搭建一套自动化实验台。

论文里把它称为Harness Framework

可以理解为，它给Coding Agent配齐了一整套做物理实验所需的基础设施。



这套基础设施由四部分组成，也正好对应ENPIRE这个名字：

四个模块连起来之后，就形成了一个完整闭环：

提出想法 → 训练策略 → 真机测试 → 自动评分 → 总结经验 → 再提出新想法。

整个过程不需要人工值守，Agent自己负责做实验，也自己负责从实验里学习。

而其中最关键的一环，其实是Environment模块。因为它解决的是具身智能研究里最令人头疼的问题：

怎么让实验自动跑起来。

在仿真环境里，复位往往只需要一句：env.reset()

但现实世界没有env.reset()。

一次失败实验结束之后，机器人必须先把场景恢复到初始状态，下一轮实验才能开始。

以GPU插拔任务为例，机器人需要先把GPU从主板上拔出来，再移动到指定位置释放，然后退回初始状态。

整个过程涉及复杂的力控操作，因为稍有不慎就可能损坏GPU针脚。

自动评分同样如此。

例如扎带穿扎任务中，Agent需要判断：“扎带尾巴到底有没有成功穿过扎带头？”

为了回答这个问题，Agent甚至自己设计了一套视觉检测方案。

顶部和侧面两个摄像头同时观察目标区域，各自进行图像分割；只有当两个视角都确认扎带尾端已经穿过扎带头，系统才会判定实验成功。

整个检测延迟被压缩到150毫秒以内，已经接近人类视觉反应速度。



这些自动复位、自动评分、安全控制接口一旦调通，就会被固化为标准API。

后续Agent做研究时，不再需要关心底层实验流程。

由此，真实世界终于第一次变成了一个可以被反复调用、持续优化的研究环境。

好的agent不比研究员差

当然，光有实验平台还不够。真正有意思的问题是：

当你把机器人、GPU和Token都准备好之后，Agent到底会不会做研究？

ENPIRE给出的答案是：会，而且还挺像那么回事。

如开头所说，论文在四个高难度灵巧操作任务上进行了验证：

Push-T（推动T形积木到目标位置）、Pin Insertion（把针插进4毫米孔洞）、GPU Insertion（把GPU插进主板插槽）以及Zip-tie（扎带穿扎与剪切）。

最终四个任务全部达到了99%的成功率。

但比结果更有意思的，是Agent达到这个结果的过程，最典型的是Pin Insertion任务。

论文直接公开了Agent的Idea Tree，也就是它完整的研究思路演化过程。

从中可以清楚看到一条非常熟悉的研究路径：

整个过程中，Agent就跟人类研究员一样，一步一步往上试，一路把成功率从接近零推到接近100%。

整个过程中，没有人类告诉它应该加什么模块，也没有人类规定实验顺序。

所有方案都来自Agent自己提出的假设，再通过真实实验验证。

如果把这些记录隐藏起来，只看研究过程，很难说这和一个机器人博士生在实验室里做研究有什么本质区别。

更有意思的是，Agent甚至会根据任务特点主动改变研究路线。

在Zip-tie任务中，它很快发现端到端训练效果并不好。

原因很简单，因为这个任务实在太长了：

找到剪刀 → 抓起剪刀 → 找到扎带 → 对准位置 → 完成剪切。

整个操作链跨越多个阶段，单纯依赖端到端策略很难学好，于是Agent自己换了一条路线。

先利用VLA模型（Vision-Language-Action）完成粗定位，再调用工具API执行精细操作。

某种程度上，它甚至自己做了一次系统架构设计。

如果要找一个最直接的参照物，其实就是Karpathy前段时间提出的Autoresearch。

两者本质上都在做同一件事：让AI自动提出想法、运行实验、比较结果，再根据结果继续迭代。

区别在于，Autoresearch发生在数字世界。代码写崩了可以重来，实验跑错了可以重启。

算力几乎是唯一成本，而ENPIRE第一次把这套研究循环搬进了物理世界，机器人不是代码。

你没法对一台撞坏的机械臂执行Git Revert，真实世界里，摩擦力在变化，物体位置在变化，光照在变化，传感器也会产生噪声。

ENPIRE的核心价值，就是通过自动复位、自动评分和安全控制接口，把原本混乱的物理世界包装成Agent能够反复调用的实验环境。

对于Agent来说，真实世界第一次拥有了类似软件开发环境的可迭代性。

另一个有意思的发现，是所谓的「物理Scaling」。

过去大模型Scaling的是参数、数据和算力，ENPIRE开始Scaling实验数量。

论文里，8个Agent分别占用8台机器人，同时探索不同路线。

结果Pin Insertion任务达到目标成功率的时间，从单机器人模式下的1.5小时缩短到40分钟。



换句话说，如果过去的大模型是在扩展GPU集群，那么ENPIRE扩展的则是机器人舰队。

当然，这种Scaling并不便宜。

随着Agent数量增加，每个Agent都需要阅读其他Agent的代码、理解别人的发现、总结经验并同步知识。

因此Token消耗增长得比机器人数量更快，论文甚至专门提出两个指标来衡量这种代价：

看到这里，大概也能理解为什么Jim Fan会这么兴奋。因为他们发现，研究本身似乎也开始具备了可扩展性。

甚至连经验传承都出现了，论文里有个很有意思的实验：

Agent在Pin Insertion任务中积累的经验，被整理成一份文字总结，然后直接塞进GPU Insertion任务的Prompt里。

结果后续研究效率明显提升，注意，这里迁移的既不是模型权重，也不是训练数据。

而是一份研究笔记，和人类实验室传帮带时做的事情，几乎一模一样。

大平行的最后一块拼图

今年5月，Jim Fan在红杉资本AI Ascent大会上做了一个演讲，提出了大平行（The Great Parallel）框架：机器人领域正在加速重走大语言模型走过的路。



如果加上最新的自主研究，语言模型正在经历四个阶段——预训练、对齐微调、强化学习推理、自主研究。

机器人也在走同样的四步，只不过每一步的介质从文本变成了物理世界。

前三步英伟达已经有了对应的布局：预训练阶段有EgoScale（用两万小时人类第一视角视频训练运动先验）和DreamZero——一种全新的世界动作模型（WAM），用视频世界模型预测下一物理状态，替代语言模型预测下一token；对齐阶段用少量传感化人类数据做动作微调；

强化学习阶段有Dream Dojo——一个纯神经仿真器，不用物理引擎，直接用视频世界模型生成模拟环境，机器人在”梦境”里做RL。

但第四步——自主研究——在物理世界一直没有可执行的实现。ENPIRE就是这一步。

一作肖文力（Wenli Xiao）在推特上写道：



肖文力是CMU机器人系博士生，导师是石冠亚（Guanya Shi），此前在英伟达GEAR实验室实习了两年。这篇论文的四位共同一作。



肖文力、谢佳（Jia Xie）、Tonghe ZhangHaotian Lin，全部来自CMU，三位共同指导教师分别是范麟熙（Jim Fan）、朱玉可（Yuke Zhu）（均来自英伟达）和石冠亚（CMU）。

Jim Fan在推特上对ENPIRE的描述大概是整篇论文最有画面感的概括：

ENPIRE将全部开源。理论上，每个人也可以搭建自己的”自运行机器人实验室”。

前提是你得买得起那8台机器人、英伟达的GPU，以及跑coding agent的token。


[1]https://x.com/_wenlixiao/status/2066913196641071464

[2]https://research.nvidia.com/labs/gear/enpire/#fleet-scaling