AI-agents nemen robottraining over bij Nvidia

In dit artikel:

Nvidia’s GEAR-lab, in samenwerking met Carnegie Mellon University en UC Berkeley, heeft een systeem ontwikkeld waarmee AI-codeeragents zelfstandig robots trainen, evalueren en verbeteren. Het framework ENPIRE orkestreert meerdere agents—onder meer van OpenAI, Anthropic en Moonshot AI—die experimenten ontwerpen, trainingssoftware aanpassen, resultaten analyseren en succesvolle verbeteringen behouden. ENPIRE bevat functies voor foutanalyse, automatische validatie en het parallel draaien van proeven op meerdere robots.

In praktijk lieten de onderzoekers robots taken uitvoeren zoals het plaatsen van GPU’s in moederborden, het sorteren van kleine pinnen en het vastmaken en doorknippen van tie-wraps. De robots bereikten in veel gevallen succespercentages rond de 99 procent; bij sommige taken deden de door agents geoptimaliseerde trainingsmethoden het beter dan traditionele aanpakken met voortdurende menselijke tussenkomst. Teams van agents werkten efficiënter dan losse agents: acht agents haalden binnen twee uur circa 99 procent succes, vier agents deden er ongeveer drie uur over en één agent bijna vijf uur.

De onderzoekers merkten echter grenzen aan die schaalbaarheid: naarmate meer agents samenwerken stijgt de overhead voor afstemming en samenvatten van bevindingen. Dat veroorzaakte wachttijd waarin robots stilstonden terwijl systemen code analyseerden of reacties van onderliggende taalmodellen afwachtten.

Nvidia positioneert dit werk als een stap richting grotendeels autonome robotlabs—onderzoek dat ’s nachts door AI kan worden voortgezet en waarbij mensen vooral de uitkomsten beoordelen. ENPIRE wordt als open source uitgebracht om universiteiten, bedrijven en hobbyisten in staat te stellen vergelijkbare zelfsturende labs op te zetten. Het project illustreert hoe generatieve AI zich ontwikkelt van programmeerhulp tot autonome onderzoeker die niet alleen code schrijft maar ook fysieke systemen leert. Potentiële implicaties zijn versnelling van robotica-ontwikkeling, lagere arbeidskosten voor experimenten en nieuwe vragen rond veiligheid, controle en reproduceerbaarheid.