ENPIRE：现实世界中具身智能策略的自主进化

背景

在追求通用物理智能（General Physical Intelligence）的道路上，实现现实世界中灵巧的机器人操作（Dexterous Robotic Manipulation）依然面临巨大挑战。目前，这一领域的进展严重依赖人工监督（Human Supervision）和复杂的算法工程，这已成为制约技术突破的核心瓶颈。

尽管近年来涌现出能够自动生成代码以自动化算法搜索的编程代理（Coding Agents），但其成功主要局限于数字环境（Digital Environments）。在物理世界中，缺乏一种可重复的反馈机制来自动化机器人研究的迭代过程。研究者推测，缺失的关键抽象层是一个用于现实世界策略改进的闭环反馈回路：重置场景、执行策略、验证结果，并据此优化下一次迭代。

核心内容

为填补这一空白，研究团队引入了 ENPIRE，这是一个专为编程代理设计的框架（Harness Framework）。ENPIRE 通过四个核心模块实例化了上述物理反馈循环，将现实世界中的操作学习转化为一个可控的优化过程。

四大核心模块

1. 环境模块 (Environment, EN)： 负责自动重置物理场景并验证操作结果。这是闭环中的起点和终点，确保每次实验都在标准化的初始条件下开始，并能准确判断任务是否完成。

2. 策略改进模块 (Policy Improvement, PI)： 启动策略的细化与优化。该模块接收来自环境的反馈，指导编程代理对机器人控制策略进行调整。

3. 执行模块 (Rollout, R)： 用于评估策略。它支持一个或多个物理机器人并行运行，从而高效地测试不同策略在真实物理环境中的表现。

4. 进化模块 (Evolution, E)： 这是编程代理发挥核心作用的环节。代理在此阶段分析运行日志，查阅相关文献，改进训练基础设施以及算法代码，以解决导致失败的模式（Failure Modes）。

系统优势与成果

ENPIRE 构建了一个封闭的循环系统，使得现实世界中的操作学习不再需要大量的人工干预，同时允许研究人员在不同的训练配方（Training Recipe）和代理变体之间进行公平的消融实验（Ablations）。

在 ENPIRE 的驱动下，前沿的编程代理能够自主训练策略，在具有挑战性的灵巧操作任务中达到 99% 的成功率。这些任务包括：

• 整理针盒（Organizing a pin box）
• 紧固扎带（Fastening a zip tie）
• 工具使用（Tool use）

此外，当将代理团队部署到机器人舰队（Robot Fleet）上时，这一自主训练过程会进一步加速。

关键要点

• 解决核心瓶颈：ENPIRE 旨在解决现实世界机器人操作中过度依赖人工监督和算法工程的问题，通过自动化反馈回路推动通用物理智能的发展。
• 填补数字与物理的鸿沟：现有的编程代理主要在数字环境中成功，ENPIRE 通过引入物理反馈机制，使编程代理能够在现实世界中自主改进策略。
• 闭环自动化流程：框架实现了“重置-执行-验证-优化”的完整闭环，将非结构化的机器人学习转化为结构化的、可控的优化程序。
• 高度自主性：在 ENPIRE 框架下，前沿编程代理无需人工干预即可在复杂灵巧操作任务中达到 99% 的成功率。
• 可扩展性与加速：通过部署代理团队到机器人舰队，ENPIRE 证明了其方法在规模化应用中的潜力，能够显著加速策略训练过程。
• 公平评估基础：该框架为不同训练方法和代理架构提供了统一的测试平台，支持进行严谨的科学消融实验。

意义与影响

ENPIRE 的研究结果展示了一条切实可行的、可扩展的路径，用于将编程代理部署到物理世界中，以自主推进机器人技术的发展。

1. 从“辅助”到“自主”：传统机器人研究往往需要专家手动调试代码和参数，而 ENPIRE 证明了 AI 代理可以自主完成从代码生成、错误分析到策略优化的全过程，大幅降低了技术门槛。
2. 加速物理 AI 迭代：通过并行执行和自动化反馈，ENPIRE 极大地缩短了从假设到验证的周期，为快速迭代复杂物理任务提供了基础设施。
3. 通用物理智能的基石：灵巧操作是通用物理智能的关键组成部分。ENPIRE 在整理针盒、使用工具等任务上的成功，表明自动化策略改进是通向更高级别自主机器人系统的重要一步。
4. 范式转变：这项工作标志着机器人学习范式从“人工驱动的工程调试”向“数据与算法驱动的自主进化”转变，为未来大规模部署自主机器人系统奠定了基础。