NVIDIA opracowała ENPIRE - framework dla agentów kodujących, który przenosi autonomiczne pętle doskonalenia ze świata cyfrowego na rzeczywistych roboty. System składa się z czterech kluczowych modułów: modułu Environment (EN) do automatycznego resetowania i weryfikacji, modułu Policy Improvement (PI) do ulepszania polityk, modułu Rollout (R) do testowania działania wielu robotów równolegle oraz modułu Evolution (E), gdzie agenty AI analizują logi błędów, konsultują literaturę naukową i ulepszają infrastrukturę treningową i kod algorytmów.
To, co czyni ENPIRE interesującym, to sposób, w jaki łączy on praktykę agentów kodujących z robotyką. Roboty otrzymują zadania do wykonania, próbują je rozwiązać, a następnie system analizuje, co poszło nie tak. Na podstawie tych analiz agenty AI automatycznie ulepszają zarówno strategie działania, jak i sam kod treningowy. Praktycznie rzecz ujmując, roboty uczą się przez robienie i iterację, z inteligentnymi agentami stojącymi za timem, które nieustannie optymalizują proces nauczania.
Chociaż bieżące przykłady są jeszcze w fazie koncepcyjnej i bardziej demonstrują potencjał niż gotowe rozwiązania, research NVIDIA pokazuje rzeczywisty obraz tego, jak zaawansowana inteligencja mogłaby wykorzystywać roboty do materializacji swoich zdolności w świecie fizycznym. To symboliczne połączenie autonomicznego uczenia się AI z rzeczywistą manipulacją materii stanowi krok w kierunku szerszej integracji agentów AI z infrastrukturą fizyczną.