@DrJimFan：今天，我们首次在物理世界中启用自动研究！介绍ENPIRE：我们给8个Codex智能体一个机器人舰队……

今天，我们首次在物理世界中实现了AutoResearch！隆重推出ENPIRE：我们为8个Codex智能体配备了一支机器人舰队、一批GPU分配以及慷慨的token预算。我们让它们自由行动，目标简单明了：尽快完成任务，让机器人持续工作但确保安全，不浪费宝贵的算力。请别搞错重点。

然后，人类退居幕后，我们的观察开始。机器人舰队逐渐活跃起来：它们学会寻找视觉线索、重置场景、练习新技能、调整控制堆栈、在线阅读论文、进行辩论、反思、陷入困境，并直接在硬件上再次尝试。我们做的只是为Codex打开了一扇通往原子世界的API，剩下的一切便涌现而出。

ENPIRE能够自主解决高精度任务，例如扎束线带、整理精密插针以及安装GPU。我们还发现了一种新型的“物理扩展”：8个机器人并行探索的速度显著快于数量较少的机器人。

我们NVIDIA GEAR实验室的一部分现在能够彻夜不息地自我改进。我们只需在早晨阅读报告。

/目标：我们全体放假，而Jensen甚至不会注意到 ;)

我们将开源所有内容，这样你也可以在家中搭建一个自主运行的机器人实验室！深入探讨请见下文：

项目网站：https://research.nvidia.com/labs/gear/enpire/…

Wenli撰写了一篇出色的技术帖子，请务必查看！

还有更多激动人心的内容。控制系统的设计空间同样巨大。

我们手动设置并验证了机器人的安全措施。这必须在自动研究开始之前完成。

更多内容即将到来！

这是迈向真正科学ASI（人工超级智能）的激动人心的一步！ @DrJimFan

物理超级智能！！

可不是嘛！机器人彻夜嗡嗡作响地工作

嘿 @DrJimFan，你可能会喜欢我们在上个星期六8小时内完成的事情！

@DrJimFan 你的智能体有明确的奖励信号——机器人是否抓住了物体。我每天在http://monday.com上处理200多个操作，而输出是一个没有客观真相的判断。物理AI从物理中获得损失函数。那么，谁来为一个输出是观点的智能体编写损失函数呢？