Nvidia y sus socios presentaron ENPIRE: un marco para el aprendizaje autónomo de robots en equipos reales
Un grupo de investigación que reúne a especialistas de Nvidia, la Universidad Carnegie Mellon y la Universidad de California en Berkeley ha presentado ENPIRE, un marco innovador que cambia radicalmente el enfoque del aprendizaje de robots. Este sistema permite que los agentes de IA especializados en programación mejoren de forma autónoma los algoritmos de control de robots, trabajando directamente con el equipo físico.
La característica clave de ENPIRE es la implementación de un ciclo de aprendizaje cerrado. El robot ejecuta una tarea, el entorno evalúa automáticamente el resultado y vuelve al estado inicial, mientras que el agente de IA analiza los errores, corrige el código e inicia la siguiente iteración de pruebas. Esto elimina la necesidad de la intervención constante de ingenieros, que tradicionalmente ralentizaba y encarecía el proceso.
Cómo funciona ENPIRE
En robótica, el aprendizaje en equipos reales siempre ha sido costoso y lento. Cada intento fallido requiere devolver manualmente la escena a su estado inicial, verificar el resultado y modificar el algoritmo. ENPIRE traslada al mundo físico el concepto de AutoResearch, donde los agentes de IA escriben código, lo prueban y lo mejoran. Sin embargo, a diferencia de la simulación digital, aquí cada experimento está sujeto a limitaciones físicas reales: fricción, errores de agarre, imperfecciones de los sensores.
El marco consta de cuatro módulos:
- Environment — se encarga del reinicio automático de la escena, la verificación del resultado, el registro y la seguridad.
- Policy Improvement — inicia el proceso de mejora de la política de control.
- Rollout — evalúa la política actual en uno o varios robots físicos.
- Evolution — permite a los agentes analizar registros, buscar ideas en la literatura, modificar la infraestructura de aprendizaje y corregir el código.
Después de la configuración inicial del entorno, el ciclo puede funcionar sin supervisión humana constante. El agente recibe datos de video, trayectorias y la función de recompensa, plantea una hipótesis, modifica el código, prueba el resultado en el robot y guarda los cambios si mejoran el rendimiento.
Automatización de la verificación y el reinicio
Un elemento clave de ENPIRE es la automatización de dos operaciones críticas: la verificación del resultado y el retorno de la escena a su estado inicial. La primera permite que el sistema determine de forma autónoma si la tarea se ha completado. Por ejemplo, en el escenario de la brida para cables, la función de evaluación combinaba un detector, un modelo de segmentación y una verificación con dos cámaras. Así, el agente recibía una señal de éxito o error sin necesidad de etiquetar manualmente cada ejecución.
El reinicio automático permite ejecutar múltiples intentos consecutivos. Después de una acción fallida, el robot devuelve el objeto o la escena a un estado adecuado para el siguiente experimento. Sin esto, el aprendizaje en equipos reales se topa rápidamente con la necesidad de una participación humana constante.
Resultados en robots reales
En los experimentos, el equipo probó ENPIRE en varias tareas de manipulación: Push-T (empujar un objeto con forma de T a una zona determinada), Inserción de Pasadores (inserción de pasadores en orificios de 4 mm de diámetro), instalación de GPU y operaciones con bridas para cables. El sistema completó con éxito la tarea en el 99% de los casos cuando se le dieron al agente hasta ocho intentos, teniendo en cuenta los errores anteriores. Este indicador refleja la capacidad del sistema para recuperarse de fallos, no la precisión de un intento aislado.
Como agentes de programación se compararon Codex en GPT-5.5, Claude Code en Opus 4.7 y Kimi Code en Kimi K2.6. La evaluación se realizó en el benchmark AutoEnvBench en las tareas Push-T e Inserción de Pasadores. En el simulador de tareas domésticas RoboCasa, ENPIRE superó a GR00T de Nvidia y a CaP-X, un sistema de agente que no ejecuta el ciclo completo de investigación automática.
Escalado a un parque de robots
Un bloque separado del trabajo está dedicado al escalado. Nvidia realizó un experimento con ocho estaciones robóticas con dos manipuladores. Las estaciones intercambiaban resultados a través de Git, lo que permitió reducir el tiempo de aprendizaje. La transición de un robot a ocho redujo el tiempo de dominio de Push-T de aproximadamente cinco a dos horas, y para la Inserción de Pasadores, de más de 90 a unos 40 minutos.
Limitaciones y conclusiones
El escalado no resuelve todos los problemas. Cuando los agentes leen registros, escriben código o esperan la respuesta de un modelo de lenguaje, los robots y los recursos informáticos no se utilizan por completo. A medida que aumenta el número de robots, aumenta la actividad de la GPU, pero la carga media de los propios robots disminuye. Los equipos de agentes dedican más tiempo a la coordinación que a las ejecuciones físicas. También aumenta el consumo de tokens.
ENPIRE se ha demostrado hasta ahora en un conjunto limitado de tareas de manipulación. Sus resultados no significan que los robots ya puedan dominar de forma autónoma habilidades físicas arbitrarias en un entorno abierto sin preparación de ingeniería. Sin embargo, es un paso significativo hacia adelante en la automatización de la robótica.
Mi comentario: ENPIRE no es solo una herramienta más, sino un cambio de paradigma hacia una robótica verdaderamente autónoma. La automatización del ciclo «error-análisis-corrección» en equipos físicos es lo que separa los prototipos de laboratorio actuales de las soluciones industriales. Si Nvidia logra escalar este enfoque a un espectro más amplio de tareas, seremos testigos de una aceleración drástica en la implementación de robots en procesos de producción reales.