荆门铝皮保温工程 英伟达动手搞机器东谈主我方接洽机器东谈主那套了…

henry 发自 凹非寺量子位 | 公众号 QbitAI

好好好，又给英伟达这伙，找到了新的 token 的式（doge）

刚刚，英伟达、CMU 和 Berkeley 结伙出具身智能 Autoresearch 框架——

ENPIRE。

浅显来说，ENPIRE 即是让 AI agent 我方作念机器东谈主接洽，让 8 个 Coding Agent，各自放胆台双臂机器东谈主。

Agent 们会我方读论文、改算法、历练计策、部署实验、分析恶果、回想教育，不惬意再换个想路重来。

GEAR 的接洽员们无谓盯着屏幕调参数，只需要二天早上过来看叙述。

在具代表的 Pin Insertion 任务中，仅用了 3 小时，机器东谈主把针插进 4 毫米孔洞的获胜率从 0 路拉到 99。

全程东谈主类参与，样式认真东谈主之的Jim Fan发说：

GEAR 实验室的部分刻下还是在一夜自我转换了。咱们只需要早上来读叙述。

不外也有网友暗示：

情商：一夜自我转换；低情商：无天无日的 token。具身智能接洽的 harness

先讲明点，ENPIRE 并不是让 Agent 顺利写放胆代码支配机器东谈主，它像个机器东谈主接洽员，需要在果真宇宙里重置实验场景、检索文件、实施主张、考据恶果、分析问题，化下轮迭代。

与访佛 code as policy 的法不同，ENPIRE 的终居品的不是段放胆剧本，而是个确凿能够部署到机器东谈主上的 Policy。

这种给实践环境搭建自动化框架的事儿，之是以难是因为实践宇宙不像代码宇宙。

在代码宇宙，Agent 写错代码了，大不了删掉重来；实验跑崩了，重新启动即可。

但机器东谈主接洽不样，实验失败之后，物体会歪掉，场景会乱掉，机器东谈主以至可能把东西碰飞。

要是每轮实验都要靠接洽员手动复位、记载恶果、整理数据，那么 Agent 根底弗成能 24 小时一语气作念接洽。

是以 ENPIRE 作念的事情，实质上是给 AI 接洽员搭建套自动化实验台。

论文里把它称为Harness Framework。

不错结伙为，它给 Coding Agent 配都了整套作念物理实验所需的基础枢纽。

这套基础枢纽由四部分构成，也碰巧对应 ENPIRE 这个名字：

EN（Environment）环境模块：认真搭建实验环境，包括安全限度、自动复位和自动评分。

PI（Policy Improvement）计策转换：Agent 凭据任务标的提议新案。行径克隆、强化学习、启发式法令，以至几种法混搭，透顶不错尝试。

R（Rollout）——部署测试：把新计策部署到果真机器东谈主上推行荆门铝皮保温工程，记载轨迹、和传感器信号。

E（Evolution）——进化： 多 Agent 合作的中枢。8 个 Agent 各自占用台机器东谈主，通过 Git 分享代码，相互继承有案，淘汰失败道路。

四个模块连起来之后，就造成了个圆善闭环：

提议主张 → 历练计策 → 真机测试 → 自动评分 → 回想教育 → 再提议新主张。

通盘过程不需要东谈主工值守，Agent 我方认真作念实验，也我方认真从实验里学习。

而其中要害的环，其实是 Environment 模块。因为它经管的是具身智能接洽里令东谈主头疼的问题：

奈何让实验自动跑起来。

在仿真环境里，复位时常只需要句：env.reset ( )

但实践宇宙莫得 env.reset ( ) 。

次失败实验收尾之后，机器东谈主必须先把场景复原到启动现象，下轮实验才气动手。

以 GPU 插拔任务为例，机器东谈主需要先把 GPU 从主板上拔出来，再挪动到指定位置开释，然后奉赵启动现象。

通盘过程波及复杂的力控操作，因为稍有失慎就可能损坏 GPU 针脚。

自动评分相通如斯。

举例扎带穿扎任务中，Agent 需要判断："扎带尾巴到底有莫得获胜穿过扎带头？"

为了回应这个问题，Agent 以至我方筹算了套视觉检测案。

顶部和侧面两个录像头同期不雅察标的区域，各自进行图像分割；只须当两个视角都阐发扎带尾端还是穿过扎带头，系统才会判定实验获胜。

通盘检测蔓延被压缩到 150 毫秒以内，还是接近东谈主类视觉反映速率。

这些自动复位、自动评分、安全放胆接口旦调通，就会被固化为步履 API。

后续 Agent 作念接洽时，不再需要关爱底层实验经由。

由此，果真宇宙终于次变成了个不错被反复调用、不绝化的接洽环境。

好的 agent 不比接洽员差

诚然，光有实验平台还不够。确凿专诚义的问题是：

当你把机器东谈主、GPU 和 Token 都准备好之后，Agent 到底会不会作念接洽？

ENPIRE 给出的谜底是：会，况兼还挺像那么回事。

如发轫所说，论文在四个难度灵敏操作任务上进行了考据：

Push-T（动 T 形积木到标的位置）、Pin Insertion（把针插进 4 毫米孔洞）、GPU Insertion（把 GPU 插进主板插槽）以及 Zip-tie（扎带穿扎与剪切）。

终四个任务沿途达到了 99 的获胜率。

但比恶果专诚义的，是 Agent 达到这个恶果的过程，典型的是 Pin Insertion 任务。

论文顺利公开了 Agent 的 Idea Tree，也即是它圆善的接洽想路演化过程。

从中不错知晓看到条特殊熟悉的接洽旅途：

先试行径克隆（Behavior Cloning）荆门铝皮保温工程，果般；

加入在线强化学习数据，能动手栽植；

再增多正则化项，获胜率出现明跃升；

随后络续退换 Batch Size，抵偿放胆器蔓延，起先栽植沉稳。

通盘过程中，Agent 就跟东谈主类接洽员样，步步往上试，路把获胜率从接近到接近 。

通盘过程中，莫得东谈主类告诉它应该加什么模块，也莫得东谈主类轨则实验法例。

扫数案都来自 Agent 我方提议的假定，再通过果真实验考据。

要是把这些记载荫藏起来，铝皮保温只看接洽过程，很难说这和个机器东谈主博士生在实验室里作念接洽有什么实质区别。

专诚义的是，Agent 以至会凭据任务性格主动改动接洽道路。

在 Zip-tie 任务中，它很快发现端到端历练果并不好。

原因很浅显，因为这个任求实在太长了：

找到剪刀 → 执起剪刀 → 找到扎带 → 瞄准位置 → 完成剪切。

通盘操作链跨越多个阶段，单纯依赖端到端计策很难学好，于是 Agent 我方换了条道路。

先诳骗 VLA 模子（Vision-Language-Action）完成粗定位，再调用器具 API 推行细密操作。

某种进程上，它以至我方作念了次系统架构筹算。

要是要找个顺利的参照物，其实即是 Karpathy 前段技巧提议的 Autoresearch。

两者实质上都在作念同件事：让 AI 自动提议主张、运行实验、相比恶果，再凭据恶果络续迭代。

区别在于，Autoresearch 发生在数字宇宙。代码写崩了不错重来，实验跑错了不错重启。

算力险些是唯成本，而 ENPIRE 次把这套接洽轮回搬进了物理宇宙，机器东谈主不是代码。

你没法对台撞坏的机械臂推行 Git Revert，果真宇宙里，摩擦力在变化，物体位置在变化，光照在变化，传感器也会产生噪声。

ENPIRE 的中枢价值，即是通过自动复位、自动评分和安全放胆接口，把原来絮叨的物理宇宙包装成 Agent 能够反复调用的实验环境。

关于 Agent 来说，果真宇宙次领有了访佛软件竖立环境的可迭代。

另个专诚义的发现，是所谓的「物理 Scaling」。

昔时大模子 Scaling 的是参数、数据和算力，ENPIRE 动手 Scaling 实验数目。

论文里，8 个 Agent 分辩占用 8 台机器东谈主，同期探索不同道路。

恶果 Pin Insertion 任务达到标的获胜率的技巧，从单机器东谈主模式下的 1.5 小时裁汰到 40 分钟。

换句话说，要是昔时的大模子是在扩张 GPU 集群，那么 ENPIRE 扩张的则是机器东谈主舰队。

诚然，这种 Scaling 并未低廉。

跟着 Agent 数目增多，每个 Agent 都需要阅读其他 Agent 的代码、结伙别东谈主的发现、回想教育并同步学问。

因此 Token 铺张增长得比机器东谈主数目快，论文以至门提议两个目的来运筹帷幄这种代价：

Mean Robot Utilization：机器东谈主有几许技巧确凿用于实验；

Mean Token Utilization：系统每分钟究竟掉几许 Token。

看到这里，简略也能结伙为什么 Jim Fan 会这样欢叫。因为他们发现，接洽自身似乎也动手具备了可扩张。

以至连教育传承都出现了，论文里有个很专诚义的实验：

Agent 在 Pin Insertion 任务中积聚的教育，被整理成份笔墨回想，然后顺利塞进 GPU Insertion 任务的 Prompt 里。

恶果后续接洽率明栽植，难得，这里迁徙的既不是模子权重，也不是历练数据。

而是份接洽条记，和东谈主类实验室传帮带时作念的事情，险些相貌。

大平行的后块拼图

本年 5 月，Jim Fan 在红杉成本 AI Ascent 大会上作念了个演讲，提议了大平行（The Great Parallel）框架：机器东谈主域正在加快重走大讲话模子走过的路。

要是加上新的自主接洽，讲话模子正在阅历四个阶段——预历练、对都微调、强化学习理、自主接洽。

机器东谈主也在走相通的四步，只不外每步的介质从文本变成了物理宇宙。

前三步英伟达还是有了对应的布局：预历练阶段有 EgoScale（用两万小时东谈主类视角历练洞开先验）和 DreamZero ——种全新的宇宙当作模子（WAM），用宇宙模子运筹帷幄下物理现象，替代讲话模子运筹帷幄下 token；对都阶段用一丝传感化东谈主类数据作念当作微调；

强化学习阶段有 Dream Dojo ——个纯神经仿真器，无谓物理引擎，顺利用宇宙模子生成模拟环境，机器东谈主在"虚幻"里作念 RL。

但四步——自主接洽——在物理宇宙直莫得可推行的已矣。ENPIRE 即是这步。

作肖文力（Wenli Xiao）在特上写谈：

Autoresearch 终于离开了沙盒，参加了具身宇宙。

肖文力是 CMU 机器东谈主系博士生，师是石冠亚（Guanya Shi），此前在英伟达 GEAR 实验室实习了两年。这篇论文的四位共同作。

肖文力、谢佳（Jia Xie）、Tonghe Zhang、Haotian Lin，沿途来自 CMU，三位共同见示师分辩是范麟熙（Jim Fan）、朱玉可（Yuke Zhu）（均来自英伟达）和石冠亚（CMU）。

Jim Fan 在特上对 ENPIRE 的描写简略是整篇论文有画面感的抽象：

咱们给 8 个 Codex agent 个机器东谈主舰队、批 GPU 和宽裕的 token 预算。然后东谈主类退场。机器东谈主舰队动手活过来：它们学会寻找视觉痕迹，重置场景，老练生手段，修改放胆栈，在线读论文，狡辩，反想，卡壳，再顺利在硬件上重试。咱们所作念的切，即是给 Codex 个通往原子宇宙的 API。剩下的是显露。

ENPIRE 将沿途开源。表面上，每个东谈主也不错搭建我方的"自运行机器东谈主实验室"。

前提是你得买得起那 8 台机器东谈主、英伟达的 GPU，以及跑 coding agent 的 token。

参考蛊卦

[ 1 ] https://x.com/_wenlixiao/status/2066913196641071464

[ 2 ] https://research.nvidia.com/labs/gear/enpire/#fleet-scaling地址：大城县广安工业区相关词条:铝皮保温施工     隔热条设备     钢绞线    玻璃棉卷毡    保温护角专用胶

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。