当你给AI编码代理一个满是机器人手臂的实验室、一些计算资源，以及一个用于教机器人完成各种任务的“慷慨代币预算”时，会发生什么？这些代理显然能够找出一个培训方案，教机器人成功剪断扎带，甚至将GPU插入主板上的细插槽。这一关于AI如何以完全自主的方式自动化机器人培训的洞察，得益于一个新的代理工具框架——这款软件包裹着AI模型，使其能够使用各种工具，同时还提供内存、上下文、约束和反馈循环等功能。这种代理工具被称为ENPIRE，由NVIDIA GEAR（通用化具身代理研究）实验室的机器人研究人员与位于匹兹堡的卡内基梅隆大学和加州大学伯克利分校的合作伙伴共同开发。“我们NVIDIA GEAR实验室的一部分现在在晚上不停自我改进，”NVIDIA的AI总监Jim Fan在LinkedIn上写道。“我们早上就阅读报告。”Fan也开玩笑地描述了这种AI指导的机器人培训的目标，称“我们都度假，杰森甚至都不会注意到”，提到的是NVIDIA创始人兼首席执行官黄仁勋。但不仅仅是NVIDIA的机器人研究人员能从中受益，Fan还表示，团队将开放源代码，所以任何人都可以在家里托管自己的“自运行机器人实验室”。ENPIRE工具具有四个模块，使得AI编码代理能够对任务进行自动重置和验证，完善指导机器行为的政策，评估在多个物理机器人并行工作的政策，并通过分析日志、获取研究论文以及改善培训基础设施和算法代码来解决失败。更多技术细节可以在2026年6月16日上传的研究论文中找到。该工具已在三种不同的AI编码代理上进行测试，包括OpenAI的Codex与GPT-5.5、Anthropic的Claude Code与Opus 4.7，以及Moonshot AI的Kimi Code与Kimi K2.6。编码代理团队独立开发了不同的算法方法进行机器人培训，在实际实验中进行测试，然后保留那些在自我主导测试的重复周期中帮助提高整体成功率的变化。