AI コーディングエージェントがロボットに GPU 取り付けやジップタイ切断を教示
NVIDIA GEAR ラボと学術機関が共同開発した自律型 AI エージェント「ENPIRE」が、ロボットアームに対して自己学習を通じて複雑な物理作業（GPU 挿入やジップタイ切断）を習得させることに成功し、ロボットのトレーニングプロセスの自動化における新たな可能性を示した。
キーポイント
自律型トレーニングの確立
AI コーディングエージェントが、与えられた計算リソースとトークン予算を用いて、ロボットに物理タスクを教えるための訓練レジメン（学習計画）を自ら策定・実行する仕組みが実証された。
ENPIRE ハーネスの機能
AI モデルを囲むソフトウェアフレームワーク「ENPIRE」により、ツール利用、メモリ管理、文脈維持、制約条件の適用、フィードバックループの実装が可能となり、完全自律的な動作が実現した。
複雑な物理タスクの習得
学習結果として、ロボットアームがジップタイを切断するだけでなく、マザーボードの薄いソケットに GPU を挿入するという高精度かつ繊細な物理操作を成功裏に行えるようになった。
夜間の自己改善サイクル
NVIDIA GEAR ラボでは、AI エージェントが夜間に継続的に学習・改善を行い、朝にはその成果報告を確認する「自律的な自己進化」のサイクルが構築されている。
影響分析・編集コメントを表示
影響分析
このニュースは、ロボット工学における「人間によるプログラミングや手動でのトレーニング」から、「AI が自ら学習方法を発見し実行する自律型開発」へのパラダイムシフトを象徴しています。特に複雑な物理操作の習得成功は、製造業やデータセンター管理など、高コストで危険な作業の自動化において即座に実用化される可能性を示唆しており、産業用ロボットの導入ハードルを劇的に下げる転換点となり得ます。
編集コメント
「AI がロボットを教える」という逆転の発想が実現した画期的な事例であり、従来のロボティクス開発の概念そのものを覆す内容です。特に「夜間に自ら改善する」仕組みは、次世代のインフラ自動化において極めて重要なブレイクスルーとなるでしょう。
AI コーディングエージェントに、ロボットアームが並ぶ実験室、計算リソース、そしてロボットにさまざまなタスクを教えるための「寛容なトークン予算」を与えるとどうなるのでしょうか。そのエージェントたちは、ロボットがジップタイを切断し、マザーボードの薄いソケットに GPU を挿入するまで成功させるトレーニング regimen を自ら見出すことができるようです。
AI が完全に自律的な方法でロボットのトレーニングを自動化する方法を垣間見たこの瞬間は、新しいエージェントハネスフレームワークによって可能になりました。これは AI モデルを包み込み、さまざまなツールの使用を可能にすると同時に、メモリ、コンテキスト、制約、フィードバックループといった機能を提供するソフトウェアです。このアジェンティックハネス「ENPIRE」は、NVIDIA GEAR（Generalist Embodied Agent Research）研究所のロボット工学研究者が、ピッツバーグのカネギーメロン大学およびカリフォルニア大学バークレー校との共同で開発しました。
「私たちの NVIDIA GEAR 研究所の一部は、今や夜間に休むことなく自己改善を続けています」と、NVIDIA の AI ディレクターであるジム・ファン氏は LinkedIn の投稿で書きました。「私たちは朝になってからその報告を読むだけです」
記事全文を読む
コメント
原文を表示
What happens when you give AI coding agents a lab full of robotic arms, some compute resources, and a “generous token budget” for teaching the robots various tasks? The agents can apparently figure out a training regimen that teaches the robots to successfully cut zip ties and even insert GPUs into thin sockets on motherboards.
That glimpse into how AI can act in a fully autonomous way to automate robot training was made possible by a new agent harness framework—software that wraps around AI models to enable their use of various tools while also providing capabilities such as memory, context, constraint, and feedback loops. That agentic harness, called ENPIRE, was developed by robotics researchers at the NVIDIA GEAR (Generalist Embodied Agent Research) lab alongside collaborators from Carnegie Mellon University in Pittsburgh and the University of California, Berkeley.
“A part of our NVIDIA GEAR lab now self-improves tirelessly overnight,” wrote Jim Fan, director of AI at NVIDIA, in a LinkedIn post. “We just read the reports in the morning.”
Read full article
Comments
関連記事
Hugging Face Hub からロボットハードウェアへ：Strands Agents と LeRobot の連携
Hugging Face が、同社のプラットフォーム上で開発された Strands Agents および LeRobot を活用し、AI モデルを直接ロボットハードウェアに展開する取り組みを発表した。
Qwen の具現化された世界モデル（28 分読了）
アリババ傘下の通義千問チームが、物理世界をシミュレートする新しい「具現化された世界モデル」を発表し、AI が現実環境を理解・予測する能力の向上を示した。
Qwen ロボットスイートの紹介：VLA 操作、動画世界モデル、ナビゲーションの 3 つの身体型 AI モデル
Qwen チームは、Qwen3.5-4B を基盤とする操作モデル「Qwen-RobotManip」、60 レイヤーの MMDiT を備えた動画世界モデル「Qwen-RobotWorld」、および Qwen3-VL に基づくナビゲーションモデル「Qwen-RobotNav」からなる 3 つの身体型 AI モデルをリリースした。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み