حقق إطار عمل ENPIRE الخاص بـ NVIDIA معدل نجاح بنسبة 99% في التعلم الذاتي للروبوتات

ME AI رسالة، وفقًا لمراقبة Beating، فإن الإطار ENPIRE الذي أصدرته NVIDIA وجامعة كارنيغي ميلون وجامعة كاليفورنيا في بيركلي يمكّن تدريب الروبوتات لأول مرة من التطور الذاتي الكامل دون أي تدخل بشري. في الماضي، كان يتطلب ضبط حركات الروبوتات تدخلًا بشريًا مستمرًا لإعادة تعيين الأدوات، وكتابة وتصحيح كود التحكم يدويًا. الآن، قام الفريق بتوصيل أدوات برمجة نماذج كبيرة مثل Codex وClaude Code مباشرةً بمجموعة من الروبوتات، مما يسمح لهذه الأدوات بإنشاء برامج تحكم الحركة بشكل ذاتي، وتحديد نجاح أو فشل الحركات من خلال كاميرات ميدانية، وتحليل سجلات الأخطاء وتعديل الكود بنفس الطريقة التي يقوم بها الباحثون البشريون. في سلسلة من الحركات الدقيقة على مستوى المليمتر، مثل ترتيب الدبابيس المبعثرة، وتوصيل وفصل مكونات اللوحة الأم، وربط الأشرطة، وقص الأشرطة باستخدام سكين حرفية، حقق الروبوت معدل نجاح قدره 99٪ في الاختبارات دون أي تدخل بشري. أظهرت التجربة أن هذا التعلم الذاتي المادي يمتلك قدرة توسعية قوية: عندما تم توسيع عدد الروبوتات إلى 8، تمكّنت الوكلاء الذكية من فروع مختلفة من النماذج الكبيرة من مشاركة وتحسين خوارزمياتها المثلى تلقائيًا عبر فروع Git، مما قلل وقت تدريب مهمة التوصيل من 1.5 ساعة إلى حوالي 40 دقيقة. ومع ذلك، كشفت عملية التطور الذاتي عن عوائق جديدة. عند تشغيل جهاز واحد فقط، كانت نسبة وقت الحركة الفعالة للروبوت 85٪؛ ولكن عندما تم تشغيل 8 أجهزة معًا، انخفضت كفاءة استخدام العتاد إلى 35٪ بسبب توقف الروبوتات المتكرر لانتظار أدوات برمجة النماذج الكبيرة لقراءة سجلات التشغيل الضخمة، وإعادة كتابة الكود، وانتظار استجابات API. في الوقت نفسه، ارتفع استهلاك Token بشكل خطي بسبب تكرار مزامنة الوكلاء الذكية للروبوتات المتعددة لمشاركة حلولها المثلى. أعلنت المجموعة أنها ستُطلق الكود ذي الصلة كمصدر مفتوح قريبًا. (المصدر: BlockBeats)