NVIDIA 的 ENPIRE 代理程式在控制真實機器人車隊方面達到了 99% 的成功率

NVIDIA 的「通用具身代理研究」（GEAR）實驗室發表了一項開創性研究，展示了將先進軟體代理與實體機器人基礎設施成功整合的成果。 這項研究推出了 ENPIRE 框架，該系統透過部署一支基於 Codex 的人工智慧編碼代理群，來自主控制並自我優化真實世界的機械手臂。這項發展標誌著在彌合模擬與現實（sim-to-real）鴻溝的探索中，邁出了重要的一步。

用於實體控制的自主程式碼生成

ENPIRE 框架的核心創新之處，在於其能夠將高階自然語言指令即時轉換為可執行的低階機器人控制程式碼。在示範的實驗室環境中，由八支實體機械手臂組成的機隊完全由這些 AI 代理運作，過程中完全不涉及人類介入。 這些代理程式獨立執行實驗、生成控制程式碼、觀察實體結果，並根據這些觀察結果反覆優化其演算法。這種自主試錯的閉環系統模擬了科學方法，大幅加速了機器人技能的習得進程。

達成 99% 的任務成功率

在一系列複雜的實體操作與序列化測試中，ENPIRE 代理達成了令人驚嘆的 99% 成功率。此一可靠性水準對於具身人工智慧的商業部署至關重要。 歷史上，大型語言模型雖在高階推理方面表現優異，卻難以應對實體機器人所需的高頻率、精確控制迴路。ENPIRE 證明，由大型語言模型驅動的代理程式現已能可靠地彌合此差距，生成足以應對實體世界不可預測性的強健程式碼。

對機器人自動化的啟示

自主代理能夠可靠地為實體機器人編寫、執行及修正程式碼，這大幅降低了

複雜機器人自動化的進入門檻。這將範式從手動、勞動密集型的機器人編程，轉變為自主、目標導向的技能習得。此舉使產業更接近真正自主且能自我修正的機器人設施，讓機器能在無需大量人工工程介入的情況下，即時學習新任務。

RobotAIGeek 觀點：NVIDIA 的 ENPIRE 證明，機器人技術的瓶頸正從硬體限制決定性地轉移至代理軟體控制。 在真實實驗室環境中達成的 99% 成功率，證明了由大型語言模型（LLM）驅動的代理程式，正逐漸具備處理物理世界中混亂現實的能力。透過自動化程式設計與優化流程，NVIDIA 正建構基礎軟體層，使機器人能力得以呈指數級擴展。

主要來源：

1. 機器之心 — NVIDIA ENPIRE 代理研究團隊（2026年6月18日）