机器人昨天·Radical Data Science
NVIDIA发布ENPIRE：自主机器人研究闭环框架，实现代码到真实世界迭代
6月22日，NVIDIA发布ENPIRE（Embodied Neural Policy Iterative Refinement Environment），这是一个闭环框架，使编码智能体能够通过自动重置、评估、验证和优化，迭代改进真实世界机器人策略。ENPIRE解决了机器人学习中的核心难题：如何在真实环境中安全、高效地进行策略迭代。这标志着AI从「数字世界」向「物理世界」的又一重大迈进。
AI Master 解读
核心事件
NVIDIA发布ENPIRE框架，实现编码智能体对机器人策略的迭代优化。
行业影响
影响分析： 这是Physical AI的重要基础设施。ENPIRE解决了机器人学习的「sim-to-real gap」（仿真到现实的鸿沟）问题，通过在真实环境中闭环迭代，大幅提升策略的实用性。
技术价值：1）自动化重置，减少人工干预；2）内置安全验证，降低实验风险；3）编码智能体参与，加速策略进化。
AI Master 建议
关注Physical AI基础设施，这是具身智能从实验室走向产业的关键。
NVIDIA ENPIRE框架
核心功能：
- 闭环迭代：编码→部署→评估→优化
- 自动重置：实验后自动恢复初始状态
- 安全验证：内置安全检查机制
- 编码智能体：AI辅助策略改进
解决的核心问题：
传统机器人学习面临：
- Sim-to-real gap：仿真训练难以迁移到真实环境
- 安全风险：真实环境实验可能造成损害
- 效率低下：人工干预多，迭代慢
ENPIRE方案：
- 真实环境闭环，减少仿真依赖
- 自动安全验证，降低风险
- 编码智能体自动化优化
应用场景：
- 工业机械臂
- 服务机器人
- 自动驾驶
- 人形机器人