NVIDIA GEAR 实验室与 CMU、UC Berkeley 联合团队发布 ENPIRE，让编程 Agent 通过修改代码、运行实验和分析结果，改进真实机器人的操作策略。实验任务包括插针、安装 GPU 芯片和剪扎带。
北京时间 2026 年 6 月 18 日上线 arXiv 的论文 ENPIRE: Agentic Robot Policy Self-Improvement in the Real World，展示了一个名为 ENPIRE 的框架。框架分为两个阶段：先由人类指导 Agent 搭建和验证环境，再由 Agent 自主运行训练、执行和改进循环。人类需要提供演示和验收要求；后续实验才能减少逐次操作和打分。
环境先搭好，Agent 再循环训练、执行和改进
ENPIRE 的名称来自四个模块的缩写。它们分别负责准备环境、改进策略、执行任务和分析反馈：
Environment（EN，环境模块）：编程 Agent 利用 SAM 3、cuRobo 等感知与规划工具 API，在人类提供少量成功与失败演示、明确验收要求后，构建自动重置与验证机制。任务完成后或失败时，机器人自动恢复初始状态。例如在插针任务中，Agent 将视觉对齐、末端高度与力估计结合起来判定结果，后续无需逐次人工打分。
Policy Improvement（PI，策略改进模块）：Agent 审阅文献、提出假设，直接修改训练代码。它可以在多种范式间自由切换——启发式学习、行为克隆（BC）、离线/在线强化学习（RL）——并将改进后的策略提交到真实机器人上验证。
Rollout（R，执行模块）：策略在单台或多台并行工作的 YAM 双臂机器人上执行，收集轨迹、视频与奖励信号，回传至 Agent 供下一步分析。
Evolution（E，分析与改进模块）：Agent 检查日志、研究材料和代码，决定下一轮如何修改。在多机器人并行场景下，每台机器人配一个编程 Agent，各自在自己的 Git 分支上试验，再选择性地采用、合并或放弃其他 Agent 的方案。
共同通讯作者、NVIDIA 高级研究经理 Linxi "Jim" Fan 在 LinkedIn 上介绍，实验室已能让部分实验整夜自主迭代，研究人员次日查看报告。
实验覆盖四类操作，成功率包含失败后的重试
ENPIRE 在四项高难度灵巧操作任务上进行了验证：
- Push-T：机器人通过非抓取式推挤，将 T 形块对齐到目标区域；
- Pin Insertion（插针）：将针插入直径仅 4mm 的孔中，整理针盒；
- GPU Insertion（GPU 安装）：将 GPU 芯片插入主板上的薄型插槽；
- Zip-tie Cutting（扎带剪切）：抓取剪刀并剪断扎带尾部。
论文衡量的是一次执行过程中完成任务的概率，并将允许的重试次数设为 8。重试时可以利用前一次失败的信息，因此这一结果包含自主纠错能力，不能直接当作单次操作的成功率。
作者报告，在 Push-T、插针和剪扎带等受控任务中，ENPIRE 训练出的策略成功率可达到 99%，这一指标包含上述重试设置。在插针任务上，团队还观察到，比此前的人机协同方法更快的收敛速度。
实验中使用了三款编程 Agent 进行横向对比：OpenAI Codex（GPT-5.5）、Anthropic Claude Code（Opus 4.7）和 Moonshot AI 的 Kimi Code（Kimi K2.6）。在模拟环境 Gym-PushT 中，Claude Code 和 Codex 均能在约 2 小时内达到 95% 成功率，而 Kimi Code 耗时约两倍。但在真实世界中，物理不确定性（接触摩擦、物体运动、硬件差异）构成了更大挑战：在真实 Push-T 的启发式学习实验中，三款 Agent 中只有一款成功。
八台机器人缩短训练时间，也消耗更多 Token
团队还测试了多机器人并行训练，分别比较 1、4、8 个 Agent 与机器人配对的表现：
- 在 Push-T 任务中，8 个 Agent 将到达 1.0 归一化得分的时间从约 5 小时压缩到约 2 小时；
- 在插针任务中，8 个 Agent 将收敛时间从超过 1.5 小时缩短到约 40 分钟。
在这两项实验中，增加机器人和 Agent 数量缩短了达到目标性能所需的实际时间。测试覆盖三个团队规模，其他任务是否也能获得类似收益，还需验证。
训练更快，也有资源代价。团队用**平均机器人利用率（MRU）衡量机器人实际工作的时间占比，用平均 Token 使用量（MTU）**记录每分钟消耗的 Token。随着 Agent 数量增加，机器人利用率反而下降：Agent 花了更多时间阅读其他分支的日志、总结报告，实际操作机器人的时间占比减少。总 Token 消耗则随团队规模超线性增长。
更大的团队能更快完成训练，却需要付出更高的 Token 成本。后续优化需要减少重复分析和协作等待，让机器人有更多时间执行有效实验。
把真实机器人操作接入编程 Agent 的实验流程
ENPIRE 探索的是，如何让编程 Agent 在真实硬件上反复提出方案、执行实验，再根据结果修改代码。
过去几年，AI Scientist、Agent Laboratory 等项目展示了 LLM 在数字环境中自主完成研究循环的能力——提出假设、运行实验、分析结果、撰写论文。这类数字实验通常能低成本重复。ENPIRE 把策略改进循环直接放到真实机器人上，Agent 还要应对光照变化、接触摩擦和硬件差异，机器人可用时间也成为实验约束。
作者在相关工作中把贡献界定为：在明确的硬件资源预算下，自主运行并优化物理机器人实验循环，同时衡量稀缺硬件的利用率。
为此，ENPIRE 将物理交互封装成编程 Agent 能调用的 Gym API。一旦环境构建完成，Agent 面对的就是一个标准化的 reset() → step() → get_reward() 循环，可以沿用熟悉的编程方式发起实验、获取反馈。接口统一之后，物理执行仍然受硬件和环境限制。
团队计划开源，资源效率和任务范围仍待改进
团队已宣布将 ENPIRE 开源。Jim Fan 希望借此降低搭建自动机器人实验流程的门槛。
论文也坦诚地列出了当前局限：机器人和 GPU 资源利用率不足、Token 成本随团队规模超线性增长、以及当前仅在相对结构化的操作任务上验证。这些限制决定了它目前更适合有明确任务、重置机制和验证标准的实验环境。
项目由 UC Berkeley 的 Ken Goldberg、NVIDIA GEAR 的 Linxi "Jim" Fan 与 Yuke Zhu、CMU 的 Guanya Shi 共同指导，第一作者 Wenli Xiao 等来自 NVIDIA、CMU 和 UC Berkeley 三所机构。
下一步要看，这套流程能否以可接受的成本迁移到更多任务，以及在更少人工准备的条件下，仍能稳定重置环境、识别失败并改进策略。
