英伟达机器人自学“装显卡”：把AI带到现实世界直接放养

先说一个值得关注的进展——英伟达GEAR实验室的Jim Fan日前晒出了一段视频，宣布首次在物理世界中启用了名为AutoResearch的自主研究系统。这可不是什么实验室里的虚拟仿真，而是动真格的机器人硬件。

这套系统背后的核心框架叫ENPIRE，是GEAR实验室自己提出的一个编码智能体架构。简单来说，它的思路是把现实世界中的机器人学习，转化成一个可以被系统自身管理和优化的可控过程。换句话说，AI不再只是被动执行指令，而是开始主动管理自己的学习和实验流程了。

具体怎么操作的？团队给8个Codex智能体配备了多个机器人、GPU计算资源以及充足的Token预算，然后设定了一个相当直白的目标：尽可能快地完成任务，让机器人保持忙碌状态，同时确保安全，别浪费宝贵的算力。剩下的，就全交给系统自己发挥了。

然后有趣的事情发生了。这些机器人开始主动寻找视觉线索、自己重置实验场景、练习新技能、调整控制参数栈、甚至在线阅读论文、展开内部辩论、进行自我反思——遇到瓶颈了，就直接在硬件上再试一次。研究者所做的，不过是为Codex提供了一个通往物理世界的API接口，除此之外的所有探索行为，都是AI自己摸索出来的。

结果也确实令人印象深刻。在ENPIRE的加持下，机器人可以独立完成相当高精度的操作任务，比如系扎带、整理钉子，乃至把显卡准确插到主板上——这些对机器人来说，可都不是“小儿科”。

Jim Fan透露了一个关键细节：机器人可以整夜不间断地自我改进，而研究人员要做的，只是第二天早上看一眼训练报告。这有点像AI主力打游戏、人类只管看录像回放的感觉——但这次是真实的物理世界操作。

更值得关注的是，Jim Fan表示这项技术将开源。这意味着，有条件的科技爱好者未来也可以在家搭建自己的自动化机器人实验室了。

ENPIRE论文链接：