Le cadre ENPIRE de NVIDIA atteint un taux de réussite de 99 % dans l'apprentissage autonome des robots

ME AI Message, selon la surveillance de Beating, le cadre ENPIRE publié conjointement par NVIDIA, l'Université Carnegie Mellon et l'Université de Californie à Berkeley permet pour la première fois à la formation des robots d'évoluer entièrement sans intervention humaine. Auparavant, pour ajuster les mouvements des robots, il fallait que des humains réinitialisent constamment les outils et écrivent et déboguent manuellement le code de contrôle. Désormais, l'équipe a directement connecté des outils de programmation à grande échelle tels que Codex et Claude Code à un cluster de robots, permettant à ces outils de générer automatiquement des programmes de contrôle des mouvements, d'évaluer la réussite ou l'échec des actions via des caméras en temps réel, et d'analyser les journaux d'erreurs et de modifier le code comme des chercheurs humains. Dans une série d'actions fines au niveau du millimètre — telles que ramasser des épingles éparses, brancher et débrancher des composants de cartes mères, attacher des sangles et les couper avec un cutter — le taux de réussite des tests sans aucune intervention humaine a atteint 99 %. Les expériences montrent que cet apprentissage autonome physique possède une capacité d'extension très forte : lorsqu'on a augmenté le nombre de robots à huit, différents agents intelligents issus de branches distinctes ont pu partager et itérer automatiquement leurs meilleurs algorithmes via des branches Git, réduisant directement le temps d'entraînement pour la tâche de branchement de 1,5 heure à environ 40 minutes. Toutefois, le processus d'évolution autonome a révélé de nouveaux goulets d'étranglement. Lorsqu'un seul appareil fonctionne, le temps de mouvement effectif du robot représente 85 % ; mais lorsque huit appareils fonctionnent simultanément, les robots doivent s'arrêter fréquemment pour attendre que les outils de programmation basés sur de grands modèles lisent d'immenses journaux d'exécution, réécrivent du code et attendent les réponses des API, ce qui fait chuter l'utilisation effective du matériel à 35 %. Par ailleurs, afin que les agents intelligents de plusieurs robots synchronisent fréquemment leurs meilleures solutions, la consommation totale de tokens augmente de manière exponentielle. L'équipe a annoncé qu'elle ouvrirait prochainement le code associé. (Source : BlockBeats)