维度网讯，英伟达（Nvidia）展示了一项名为ENPIRE（具身智能机器人策略自我改进，Agentic Robot Policy Self-Improvement）的具身智能机器人技术，该技术使机器人能够自主学习并执行高精度任务，包括将GPU安装到主板上。

在发布的演示视频中，八台机器人自主协作，无需人工干预即可完成复杂任务。一台机械臂拾取显卡并放置到主板的PCIe插槽中，另一台机器人则展示了对容器中的金属引脚进行分类以及精确剪断扎带的操作。英伟达人工智能与杰出科学家总监Jim Fan表示，这次演示证明了研究人员可以“首次在物理世界中激活AutoResearch”。

Fan解释称，ENPIRE项目为八个Codex代理（Codex agents）提供了一组机器人、GPU分配以及大量的令牌预算（token budget）；这些代理被分配任务，要求尽可能快地完成且不犯错误。整个机器人车队开始运作，学习寻找视觉线索、重置场景、练习新技能、调整控制栈、在线阅读论文、辩论、反思，并直接在硬件上再次尝试。他表示，团队所做的只是将Codex API交给原子世界，剩下的便是涌现（emergence）。

ENPIRE是一个用于编码代理（coding agents）的框架，它通过四个核心模块实例化物理反馈循环：环境模块（Environment module，EN）用于自动重置和验证；策略改进模块（Policy Improvement module，PI）用于启动策略优化；部署模块（Rollout module，R）用于使用单个或多个并行运行的机器人评估策略；以及进化模块（Evolution module，E），其中编码代理分析日志、查阅文献、改进训练基础设施和算法代码，以解决故障模式。

机器人“完全自主安装GPU”是演示中最引人注目的部分。在这段PC DIY任务记录中，一台机械臂选择并将显卡传递给另一台面前有主板的机械臂，随后第二台机械臂小心地将显卡的PCIe插槽对准主板插槽，缓慢下降并将其推入到位。分配给机器人的其他AutoResearch项目包括整理精细的引脚以及绑扎和剪断扎带。

在相关研究论文《ENPIRE: Agentic Robot Policy Self-Improvement in the Real World》中，展示了使用不同编码代理时的结果对比，包括Codex with GPT-5.5、Claude Code with Opus 4.7以及Kimi Code with Kimi K2.6。研究人员还测试了机器人车队的规模，结论是“并行探索的八台机器人完成任务的速度显著快于数量较少的车队”。

机器人无需显式编程即可自行学习执行物理任务的能力，为更先进的自动化打开了大门。这项技术使机器人不仅能够重复编程动作，还能自主实验、从错误中学习并提升性能。ENPIRE方法表明，AI代理能够以以前只有人类才能达到的精度操作真实硬件。这项研究也与2026年日益强大的笔记本电脑芯片发展相关，借助更先进的GPU，像Codex这样的AI代理可以进行更复杂的模拟和训练，加速机器人在现实世界中的学习过程。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com