Nvidia представила фреймворк ENPIRE для обучения роботов на реальном оборудовании
Исследователи из Nvidia, Carnegie Mellon University и Калифорнийского университета в Беркли представили ENPIRE, фреймворк для улучшения политик управления роботами с помощью ИИ‑агентов, которые программируют прямо на реальном оборудовании. Система выстраивает замкнутый цикл экспериментов: робот выполняет задачу, среда автоматически оценивает результат и возвращает сцену в исходное состояние. После этого ИИ‑агент разбирает ошибки, переписывает код и запускает новую серию испытаний.
Обучение роботов на физическом оборудовании до сих пор остается дорогим и медленным. После каждой неудачной попытки сцену приходится возвращать в исходное состояние, проверять результат, менять алгоритм и снова проводить эксперимент. Часть таких операций обычно выполняют инженеры вручную.
ENPIRE переносит в физический мир подход, который в Nvidia называют AutoResearch. В этой модели ИИ‑агенты сами пишут код, тестируют его и дорабатывают в следующих итерациях. Каждый эксперимент при этом связан с ограничениями реального мира: работой роботов и камер, взаимодействием с объектами, ошибками захвата и трением.
Фреймворк включает четыре модуля. Модуль Environment занимается автоматическим сбросом сцены, проверяет результат и ведет логирование.
Ключевые факты
Nvidia, Carnegie Mellon University и Калифорнийский университет в Беркли представили фреймворк ENPIRE для обучения политик управления роботами на реальном оборудовании с участием ИИ‑агентов для программирования.
ENPIRE строит замкнутый цикл: робот выполняет задачу, среда автоматически оценивает результат и возвращает сцену в исходное состояние, после чего ИИ‑агент анализирует ошибки, переписывает код и запускает следующую серию испытаний.
В Nvidia описывают подход ENPIRE как перенос в робототехнику метода AutoResearch, при котором ИИ‑агенты пишут код, тестируют его и улучшают в последующих итерациях.
Фреймворк включает модуль Environment, который отвечает за автоматический сброс сцены, проверку результата и логирование экспериментов.