Nvidia ENPIRE: Los agentes de IA enseñan a los robots sin intervención humana — un nuevo paso hacia la robótica autónoma
Un grupo de investigación que reúne a expertos de Nvidia, Carnegie Mellon University y la Universidad de California en Berkeley ha presentado el marco ENPIRE. No es solo otra biblioteca de robótica, sino un ecosistema completo en el que agentes de IA especializados en escribir código asumen el proceso de mejora de las políticas de control de robots reales. El sistema funciona en un ciclo cerrado: el robot realiza una tarea, el entorno evalúa automáticamente el resultado y vuelve al estado inicial, y el agente analiza los errores, reescribe el código e inicia una nueva serie de pruebas.
Cómo funciona ENPIRE: cuatro módulos de automatización
En la robótica tradicional, el aprendizaje en equipos reales es costoso y lento. Cada intento fallido requiere un reinicio manual de la escena, verificación del resultado y ajuste del algoritmo. ENPIRE traslada al mundo físico el concepto de AutoResearch, ya probado por Nvidia en simulaciones digitales. El marco consta de cuatro módulos clave:
- Environment — se encarga del reinicio automático de la escena, verificación del resultado, registro e interfaces de seguridad.
- Policy Improvement — inicia un proceso iterativo 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, cambiar la infraestructura de aprendizaje y corregir el código.
Tras la configuración inicial del entorno, el ciclo puede continuar sin supervisión humana constante. El agente recibe datos de video, trayectorias y la función de recompensa, propone una nueva hipótesis, modifica el código, prueba el resultado en el robot y guarda los cambios si mejoran el indicador.
Verificación y reinicio automáticos: clave para la escalabilidad
El elemento más importante de ENPIRE es la automatización de dos operaciones: verificación del resultado y reinicio de la escena al estado inicial. Sin esto, el aprendizaje en equipos reales se topa rápidamente con la necesidad de participación humana constante. Por ejemplo, en el escenario con una brida para cables, la función de evaluación combinaba un detector, un modelo de segmentación y una verificación con dos cámaras, lo que permitía al agente recibir una señal de éxito o error sin necesidad de etiquetar manualmente cada ejecución. El reinicio automático, a su vez, permite ejecutar múltiples intentos consecutivos, algo fundamental para un aprendizaje eficaz.
Experimentos con robots reales: 99% de éxito
En experimentos reales, el equipo probó ENPIRE en varias tareas de manipulación: Push-T (empujar un objeto en forma de T hacia una zona determinada), Pin Insertion (inserción de pasadores en orificios de 4 mm de diámetro), instalación de GPU y operaciones con bridas para cables. En la página del proyecto se indica que el sistema completaba la tarea con éxito en el 99% de los casos, si se le daban al agente hasta ocho intentos teniendo en cuenta errores previos. 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 con las tareas Push-T y Pin Insertion. Además, ENPIRE se probó en RoboCasa, un simulador de tareas domésticas, donde superó a GR00T de Nvidia y CaP-X.
Ocho robots: la escalabilidad acelera el aprendizaje
Un bloque aparte del trabajo está dedicado a la escalabilidad en un parque de robots. Nvidia realizó un experimento con ocho estaciones, cada una con dos manipuladores. Las estaciones intercambiaban resultados a través de Git: una idea exitosa o un cambio de código podían propagarse rápidamente entre los agentes. Pasar de un robot a ocho redujo el tiempo de aprendizaje de Push-T de aproximadamente cinco a dos horas, y para Pin Insertion, de más de 90 minutos a unos 40 minutos.
Limitaciones y perspectivas futuras
Los autores destacan que la escalabilidad no resuelve todos los problemas. Cuando los agentes leen registros, escriben código o esperan la respuesta del modelo de lenguaje base, los robots y los recursos computacionales no se utilizan por completo. A medida que aumenta el número de robots, la actividad de GPU crece, pero la carga media de los propios robots disminuye. También aumenta el consumo de tokens. Y, lo que es importante, ENPIRE se ha demostrado hasta ahora en un conjunto limitado de tareas de manipulación. Esto no significa que los robots ya puedan adquirir de forma autónoma habilidades físicas arbitrarias en un entorno abierto sin preparación técnica.
Comentario de experto: ENPIRE es un paso importante hacia la robótica autónoma, pero demuestra que el "cuello de botella" no es tanto la física, sino los recursos computacionales y la coordinación de los agentes de IA. Estamos en el umbral de una era en la que los robots podrán aprender unos de otros, pero el precio de este aprendizaje es un crecimiento exponencial en el consumo de tokens y potencia de GPU. Los inversores deberían fijarse en las empresas que ofrecen soluciones para optimizar estos procesos.