英伟达GEAR实验室近日取得一项突破性进展，其研发团队首次在现实环境中成功部署了名为AutoResearch的自主探索系统。这项技术依托于实验室提出的ENPIRE智能体框架，通过将机器人学习过程转化为可优化的控制模型，实现了智能体对物理世界的自主管理。
研究团队为8个Codex智能体配置了完整的硬件系统，包括多台机器人设备、GPU计算集群以及充足的算法资源。系统设定了明确的任务目标：在保证安全的前提下最大化任务完成效率，同时避免计算资源的无效消耗。实验中，智能体展现出惊人的自主学习能力，它们能够主动识别环境线索、重置实验场景、练习新技能，甚至通过在线查阅学术文献优化操作策略。
在持续运行过程中，智能体形成了独特的协作模式。当某个个体遇到操作瓶颈时，系统会自动触发多智能体辩论机制，通过观点碰撞寻找解决方案。这种完全自主的探索方式仅需研究人员提供基础的环境接口，其余所有行为均由AI系统自行发现和迭代。实验记录显示，机器人团队在无人干预的情况下完成了系扎带、分类钉子等精密操作，更成功实现了将显卡准确插入主板的高难度任务。
项目负责人Jim Fan特别强调了系统的持续进化能力。实验表明，智能体可进行7×24小时不间断自我优化，研究人员仅需定期查看训练报告即可掌握系统进展。这种设计显著降低了人工干预需求，使机器人学习效率得到质的提升。
为推动技术普及，研究团队计划将ENPIRE框架开源发布。这意味着全球开发者将有机会构建自己的自动化机器人实验室，通过标准化接口连接不同硬件设备，在家庭环境中复现类似的研究场景。这项开放策略预计将加速自主机器人技术的民主化进程，为更多创新应用提供基础平台。
