英伟达GEAR实验室在机器人自主学习领域取得突破性进展。该实验室提出的ENPIRE编码智能体框架，成功将现实世界的机器人训练转化为可优化的智能管理过程。这项技术通过为智能体配备物理执行终端，实现了从数字世界到真实场景的跨越。
实验团队构建了包含8个Codex智能体的训练系统，每个智能体可同时操控多个机器人设备。系统通过GPU资源动态分配和Token预算管理机制，在确保安全的前提下最大化训练效率。研究人员仅需设定"高效完成任务"的总体目标，智能体便能自主规划学习路径，包括视觉识别、场景重置、技能练习等全流程操作。
在持续运行过程中，智能体展现出惊人的自主学习能力。它们会主动查阅最新技术文献调整策略，通过内部辩论优化决策方案，甚至能在硬件层面直接修正控制参数。这种端到端的自我改进机制，使机器人系统在72小时内就掌握了系扎带、整理金属零件等精密操作，更成功完成了将显卡准确插入主板的高难度任务。
项目负责人Jim Fan透露，该系统已实现全自动化运行。研究人员只需在每日晨间获取训练报告，即可掌握系统整体进展。更值得关注的是，研究团队计划将ENPIRE框架开源，这意味着全球开发者未来都有可能构建自己的自动化机器人实验室，推动这项技术向更广泛的应用场景延伸。
