Im Quellenvergleich
Worin die Quellen übereinstimmen
Forscher von Nvidia, der Carnegie Mellon University und der UC Berkeley haben mit ENPIRE ein System entwickelt, das KI-Coding-Agenten Robotern eigenständig das Greifen beibringt. Die Agenten richten eine Arbeitsumgebung ein, lesen Fachliteratur und ändern den Trainingscode. Die Roboterflotte erreichte bei Aufgaben wie dem Durchschneiden eines Kabelbinders hohe Erfolgsraten. Das Framework ENPIRE wurde von Forschern des NVIDIA GEAR Lab, der Carnegie Mellon University und der UC Berkeley entwickelt. Es ermöglicht KI-Code-Agenten, Robotern vollständig autonom Aufgaben beizubringen. Die Agenten entwickeln eigenständig Algorithmen, testen sie in realen Experimenten und behalten nur die Änderungen, die die Erfolgsrate steigern. Die Forscher wollen das Framework als Open Source veröffentlichen.
Aktualisierungen
06.07.2026
Das Framework ENPIRE wurde von Forschern des NVIDIA GEAR Lab, der Carnegie Mellon University und der UC Berkeley entwickelt.
Es ermöglicht KI-Code-Agenten, Robotern vollständig autonom Aufgaben beizubringen.
Die Agenten entwickeln eigenständig Algorithmen, testen sie in realen Experimenten und behalten nur die Änderungen, die die Erfolgsrate steigern.
Die Forscher wollen das Framework als Open Source veröffentlichen.
Worin sie sich unterscheidenZusammensetzung und Größe der Roboterflotte·Erfolgsrate und konkrete Aufgaben·Grenzen und Fehlerquoten+2 weitere
Zusammensetzung und Größe der Roboterflotte- Eine Flotte aus acht zweiarmigen YAM-Robotern wurde eingesetzt.1
Erfolgsrate und konkrete Aufgaben- Die Roboter erreichten bis zu 99 Prozent Erfolg bei Aufgaben wie dem Push-T-Test, dem Einsortieren von Pins oder dem Durchschneiden eines Kabelbinders.1
- Die Roboter erlernten Aufgaben wie das Schneiden von Kabelbindern oder das Einsetzen von GPUs in Mainboards.2
Grenzen und Fehlerquoten- Roboter und Rechenleistung werden nicht voll ausgelastet, die Token-Kosten wachsen überproportional, und zwei von drei Agenten scheiterten in der realen Umgebung, während die Aufgabe in der Simulation allen gelang.1
Eingesetzte KI-Code-Agenten- Die eingesetzten KI-Code-Agenten werden nicht spezifiziert.1
- Getestet wurde ENPIRE mit drei verschiedenen KI-Code-Agenten, darunter OpenAI’s Codex und Anthropic’s Claude Code.2
Austausch der Agenten untereinander- Die Agenten tauschen sich über Git aus und übernehmen erfolgreiche Strategien voneinander.1