Nvidia의 자율 로봇 연구

로봇의 정교한 조작 기술을 구현하기 위해서는 막대한 인간의 감독과 알고리즘 엔지니어링이 필요하며, 이는 일반적인 물리적 지능(Physical Intelligence)을 달성하는 데 있어 핵심적인 병목 구간이다. 기존의 코딩 에이전트들은 주로 디지털 환경에서의 코드 생성에 국한되어 있었다.

Nvidia는 이를 해결하기 위해 ENPIRE라는 프레임워크를 도입했다. ENPIRE는 '환경 리셋 - 정책 실행 - 결과 검증 - 반복 개선'으로 이어지는 물리적 피드백 루프를 자동화한다. 이 시스템은 네 가지 핵심 모듈로 구성된다.

• Environment (EN): 자동 리셋 및 결과 검증 수행
• Policy Improvement (PI): 정책 개선 프로세스 실행
• Rollout (R): 단일 또는 다수의 로봇을 통해 정책 평가
• Evolution (E): 로그 분석, 문헌 참조, 인프라 및 코드 개선을 수행하는 코딩 에이전트

ENPIRE를 통해 학습된 정책은 PushT, Pin Insertion, GPU Insertion, Cut Ziptie와 같은 고난도 조작 작업에서 **99%의 성공률(pass@8)**을 기록했다. 이 시스템은 휴리스틱 학습, 행동 복제(Behavior Cloning), 강화 학습(RL) 등 다양한 학습 방식을 지원하며, 로봇 군집을 활용해 연구 속도를 획기적으로 높일 수 있다.