根據一篇於 2026 年 6 月 16 日上傳的研究論文，NVIDIA GEAR lab 的研究人員與卡內基梅隆大學及加州大學柏克萊分校的合作夥伴共同開發了 ENPIRE。該框架是一種「代理（agent）駕馭( harness )」架構，能讓 AI 程式撰寫代理自動引導機器人訓練。該框架成功訓練機器人執行的任務包括剪斷束線帶（zip ties）以及將 GPU 插入主機板上的插槽。NVIDIA 的 AI 部門主管 Jim Fan 在一則 LinkedIn 貼文中表示，NVIDIA GEAR lab 的一部分目前已能在夜間自我改進，而研究人員會在早上檢視報告。
ENPIRE Framework Enables Autonomous Robot Training
ENPIRE 是一種代理駕馭框架，將 AI 模型包覆起來，以便在提供例如記憶（memory）、上下文（context）、約束（constraint）與回饋迴圈（feedback loops）等能力的同時，讓它們能使用各種工具。該框架由 NVIDIA GEAR（Generalist Embodied Agent Research）lab 的機器人研究人員開發。使用該框架的 AI 程式撰寫代理，被配置在一個包含機械手臂齊全的實驗室，並獲得運算資源與代幣預算（token budget），用來教導機器人執行各種任務。
Four-Module Architecture Supports AI Agent Operations
ENPIRE 的 harness 有四個模組，可讓 AI 程式撰寫代理在任務上執行自動重置與驗證、修正用來指導機器人行為的政策、在多台同時運作的實體機器人上評估這些政策，並透過分析日誌、匯入研究論文以及改進訓練基礎設施與演算法程式碼來處理失敗。更技術性的細節可在於 2026 年 6 月 16 日上傳的研究論文中找到。
Three AI Coding Agents Tested Across Multiple Robots
該 harness 以三種不同的 AI 程式撰寫代理進行測試：OpenAI 的 Codex（GPT-5.5）、Anthropic 的 Claude Code（Opus 4.7），以及 Moonshot AI 的 Kimi Code（Kimi K2.6）。這些程式撰寫代理的團隊各自獨立開發不同的機器人訓練演算法方法，在真實世界的實驗中進行測試，然後保留任何能在反覆進行自我導向測試循環中提升整體成功率的改動。
NVIDIA Plans Open-Source Release of Framework
Jim Fan 表示，團隊將把所有內容開源，讓任何人都能在家中架設自己的自我運行機器人實驗室。Fan 也描述了這種由 AI 主導的機器人訓練目標，說研究人員可以度假，而 NVIDIA 創辦人暨執行長 Jensen Huang 也不會察覺。
FAQ
What is ENPIRE and who developed it?
ENPIRE 是一種代理駕馭框架，由 NVIDIA GEAR lab 的研究人員與來自卡內基梅隆大學及加州大學柏克萊分校的合作夥伴共同開發。該框架能透過將 AI 模型包覆起來，提供例如記憶（memory）、上下文（context）、約束（constraint）與回饋迴圈（feedback loops）等能力，讓 AI 程式撰寫代理能夠自主引導機器人訓練。
What tasks did AI agents successfully train robots to perform using ENPIRE?
使用 ENPIRE 框架的 AI 程式撰寫代理成功訓練機器人剪斷束線帶（zip ties），並將 GPU 插入主機板上的薄型插槽（thin sockets）。當給定一間充滿機械手臂的實驗室、運算資源與代幣預算（token budget）來教導機器人執行各種任務時，代理就能制定訓練流程（training regimen）。
