當你給予 AI 編碼代理程式一個充滿機械手臂的實驗室、一些運算資源，以及「充足的代幣預算」來教導機器人執行各種任務時，會發生什麼事？這些代理程式顯然能找出一個訓練方案，成功教導機器人剪斷束線帶，甚至將 GPU 插入主機板上纖薄的插槽。
這種 AI 如何以完全自主的方式自動化機器人訓練的初步成果，是由一個新的代理程式框架所實現。這個名為 ENPIRE 的框架是一種軟體，它包裝了 AI 模型，使其能夠使用各種工具，同時提供記憶、上下文、限制和回饋迴圈等功能。ENPIRE 是由 Nvidia GEAR（通用具身代理研究）實驗室的機器人研究人員，與匹茲堡卡內基美隆大學和加州大學柏克萊分校的合作者共同開發。
NVIDIA AI 總監 Jim Fan 在 LinkedIn 貼文中寫道：「我們 NVIDIA GEAR 實驗室的一部分現在徹夜不懈地自我改進。」他補充說：「我們早上只需要閱讀報告。」
Fan 也開玩笑地描述了這種由 AI 指導的機器人訓練目標，他提到 Nvidia 創辦人兼執行長 Jensen Huang 時說：「我們都可以去度假，而 Jensen 甚至不會注意到。」然而，受益的不僅是 Nvidia 的機器人研究人員，Fan 表示該團隊將會把所有內容開源，讓任何人都能在家中建立自己的「自主運行機器人實驗室」。
ENPIRE 框架包含四個模組，使 AI 編碼代理程式能夠執行任務的自動重置和驗證、精煉指導機器人行為的策略、在多個並行運行的實體機器人上評估這些策略。它還能透過分析日誌、吸收研究論文以及改進訓練基礎設施和演算法程式碼來解決故障。更多技術細節可查閱 2026 年 6 月 16 日上傳的研究論文。
該框架已使用三種不同的 AI 編碼代理程式進行測試，包括結合 GPT-5.5 的 OpenAI Codex、結合 Opus 4.7 的 Anthropic Claude Code，以及結合 Kimi K2.6 的 Moonshot AI Kimi Code。
這些編碼代理程式團隊獨立開發了不同的機器人訓練演算法方法，並在實際實驗中進行測試。隨後，它們保留了在重複的自主測試週期中，有助於提高整體成功率的任何改進。