De acordo com pt.wedoany.com-A Nvidia demonstrou uma tecnologia de robótica incorporada chamada ENPIRE (Agentic Robot Policy Self-Improvement), que permite que robôs aprendam e executem tarefas de alta precisão de forma autônoma, incluindo a instalação de GPUs em placas-mãe.
No vídeo de demonstração divulgado, oito robôs colaboram de forma autônoma para concluir tarefas complexas sem intervenção humana. Um braço robótico pega uma placa de vídeo e a insere no slot PCIe de uma placa-mãe, enquanto outro robô demonstra a classificação de pinos metálicos em um recipiente e o corte preciso de braçadeiras. Jim Fan, Diretor de IA e Cientista Distinto da Nvidia, afirmou que esta demonstração prova que os pesquisadores podem "ativar o AutoResearch no mundo físico pela primeira vez".
Fan explicou que o projeto ENPIRE forneceu a oito agentes Codex um conjunto de robôs, alocação de GPUs e um grande orçamento de tokens; esses agentes receberam a tarefa de concluir o trabalho o mais rápido possível, sem cometer erros. Toda a frota de robôs começou a operar, aprendendo a encontrar pistas visuais, redefinir cenários, praticar novas habilidades, ajustar pilhas de controle, ler artigos online, debater, refletir e tentar novamente diretamente no hardware. Ele disse que a equipe apenas entregou a API Codex ao mundo atômico, e o restante foi emergência.
ENPIRE é uma estrutura para agentes de codificação que instancia um ciclo de feedback físico por meio de quatro módulos principais: o Módulo de Ambiente (Environment module, EN) para redefinição e validação automáticas; o Módulo de Melhoria de Política (Policy Improvement module, PI) para iniciar a otimização de políticas; o Módulo de Implantação (Rollout module, R) para avaliar políticas usando um único robô ou vários robôs operando em paralelo; e o Módulo de Evolução (Evolution module, E), no qual os agentes de codificação analisam logs, consultam literatura e melhoram o código da infraestrutura e algoritmos de treinamento para resolver modos de falha.
A "instalação totalmente autônoma de GPU" pelo robô é a parte mais impressionante da demonstração. Neste registro da tarefa de montagem de PC DIY, um braço robótico seleciona e passa a placa de vídeo para outro braço robótico que tem uma placa-mãe à sua frente; em seguida, o segundo braço robótico alinha cuidadosamente o slot PCIe da placa de vídeo com o slot da placa-mãe, abaixa-a lentamente e a empurra no lugar. Outros projetos AutoResearch atribuídos aos robôs incluem organizar pinos delicados e amarrar e cortar braçadeiras.
No artigo de pesquisa relacionado, "ENPIRE: Agentic Robot Policy Self-Improvement in the Real World", são apresentadas comparações de resultados usando diferentes agentes de codificação, incluindo Codex com GPT-5.5, Claude Code com Opus 4.7 e Kimi Code com Kimi K2.6. Os pesquisadores também testaram o tamanho da frota de robôs, concluindo que "oito robôs explorando em paralelo concluíram as tarefas significativamente mais rápido do que frotas menores".
A capacidade dos robôs de aprenderem a executar tarefas físicas por conta própria, sem programação explícita, abre portas para uma automação mais avançada. Esta tecnologia permite que os robôs não apenas repitam movimentos programados, mas também experimentem de forma autônoma, aprendam com os erros e melhorem o desempenho. A abordagem ENPIRE demonstra que agentes de IA podem operar hardware real com uma precisão anteriormente alcançável apenas por humanos. Esta pesquisa também está relacionada ao desenvolvimento de chips de laptop cada vez mais potentes em 2026, pois, com GPUs mais avançadas, agentes de IA como o Codex podem realizar simulações e treinamentos mais complexos, acelerando o processo de aprendizado dos robôs no mundo real.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
