IA · 18 giugno 2026 · 3 min di lettura
NVIDIA presenta ENPIRE: la piattaforma in cui gli agenti di programmazione IA insegnano la robotica ai robot
In sintesi: I ricercatori del GEAR lab di NVIDIA, in collaborazione con la Carnegie Mellon University e l'Università della California - Berkeley, hanno presentato ENPIRE, un framework "harness" che permette ad agenti di programmazione IA di addestrare autonomamente i robot. Durante i test, team di agenti basati su modelli come GPT-5.5 e Claude Code hanno sviluppato algoritmi per far eseguire ai robot compiti complessi, dall'installazione fisica di GPU sulle schede madri al taglio di fascette stringicavo, raggiungendo tassi di successo fino al 99%.
di Team Mocchi's
Il paradigma dell'addestramento autonomo dei robot
Nel campo della robotica, l'addestramento di un braccio meccanico per compiere compiti di precisione ha storicamente richiesto centinaia di ore di programmazione manuale, calibrazione dei sensori e progettazione di funzioni di ricompensa (reward functions) da parte di ingegneri umani. Un nuovo studio pubblicato dal GEAR (Generalist Embodied Agent Research) lab di NVIDIA, insieme ad accademici della Carnegie Mellon University e di UC Berkeley, propone un radicale cambio di paradigma grazie a un framework chiamato ENPIRE, descritto in dettaglio da Ars Technica.
ENPIRE è un "agentic harness" (un'imbracatura o struttura software per agenti) progettata per avvolgere i modelli linguistici di grandi dimensioni (LLM) specializzati in codice. Questo sistema fornisce agli agenti IA gli strumenti necessari per interagire con un laboratorio di robotica fisica, dotandoli di memoria, gestione del contesto, sistemi di feedback e cicli di verifica degli errori. Il risultato è un sistema in grado di auto-migliorarsi continuamente, lavorando autonomamente per sviluppare le migliori strategie di controllo robotico.
Come funziona il framework ENPIRE
Il sistema ENPIRE si articola in quattro moduli fondamentali che consentono agli agenti di agire in modo completamente indipendente all'interno del laboratorio:
- Ripristino e Verifica Automatica: Gestisce il reset fisico dello scenario di test (ad esempio, scollegare una GPU per riprovare l'inserimento) e verifica se l'obiettivo è stato raggiunto con successo tramite sistemi di computer vision.
- Raffinamento delle Policy: Modifica dinamicamente le regole matematiche e i parametri che guidano i movimenti del robot nello spazio tridimensionale.
- Valutazione Parallela: Testa le policy generate su molteplici robot fisici che lavorano in parallelo, accelerando drasticamente la raccolta dei dati.
- Analisi degli Errori e Apprendimento Continuo: In caso di fallimento, l'agente analizza i log di sistema, assimila paper di ricerca pertinenti caricati nel suo database e corregge il codice dell'algoritmo di addestramento.
Durante le sessioni di test, i ricercatori hanno testato ENPIRE utilizzando diversi agenti di programmazione IA di ultima generazione, tra cui OpenAI Codex (basato su GPT-5.5), Claude Code (con Opus 4.7) e Kimi Code di Moonshot AI (con Kimi K2.6). I team di agenti hanno collaborato e sviluppato approcci algoritmici differenti, testandoli in scenari reali e mantenendo solo le iterazioni che mostravano un incremento nel tasso di successo.
Dalla teoria alla pratica: installare GPU e tagliare fascette
I risultati pratici ottenuti da ENPIRE hanno superato le aspettative degli stessi ricercatori. Gli agenti IA hanno addestrato i robot a eseguire con successo una serie di compiti di manipolazione fisica complessi, registrando un tasso di successo complessivo del 99%.
Tra i compiti eseguiti spiccano:
- Inserimento di GPU: I robot hanno imparato a posizionare e incastrare con precisione millimetrica schede grafiche all'interno di sottili slot PCIe su schede madri, per poi scollegarle per avviare il ciclo di test successivo.
- Taglio di fascette stringicavo: Un'operazione delicata che richiede al robot di applicare la giusta forza per afferrare e tagliare una fascetta di plastica senza danneggiare i cavi circostanti.
- Organizzazione di precisione: Ordinare piccoli pin metallici all'interno di scatole compartimentate e risolvere il classico benchmark "Push-T", che prevede lo spostamento di un blocco a forma di T su una superficie fino a farlo coincidere perfettamente con una sagoma target.
"Una parte del nostro laboratorio NVIDIA GEAR ora si auto-migliora instancabilmente durante la notte", ha dichiarato Jim Fan, direttore della ricerca sull'IA presso NVIDIA. "Noi ci limitiamo a leggere i report al mattino".
Il futuro della robotica industriale e dell'automazione software
NVIDIA ha annunciato l'intenzione di rilasciare ENPIRE come progetto open-source, consentendo a ricercatori e aziende di implementare i propri laboratori di robotica autogestiti. Questa mossa potrebbe accelerare notevolmente lo sviluppo di robot umanoidi e bracci meccanici industriali capaci di adattarsi rapidamente a nuove linee di produzione senza richiedere lunghi e costosi processi di riprogrammazione manuale.
Per le software agency e le aziende tecnologiche, ENPIRE rappresenta una dimostrazione concreta della potenza dei sistemi multi-agente e dell'approccio "software che scrive software". La capacità dell'IA di valutare autonomamente le proprie prestazioni nel mondo fisico e correggere il proprio codice in base ai fallimenti apre la strada a una nuova era di automazione dei processi industriali e dello sviluppo software.