Investigadores de robótica de Nvidia, junto a colaboradores de la Universidad Carnegie Mellon y la Universidad de California en Berkeley, han desarrollado ENPIRE, un framework tipo harness que permite a agentes de código con IA entrenar robots de manera totalmente autónoma. El sistema envuelve a los modelos de IA con herramientas, memoria, contexto y bucles de retroalimentación, y cuenta con cuatro módulos: reinicio y verificación automática de tareas, refinamiento de políticas de comportamiento robótico, evaluación paralela entre varios robots físicos y análisis de fallos a partir de registros, papers de investigación y código de entrenamiento.
El laboratorio Nvidia GEAR probó ENPIRE con tres agentes de programación: Codex con GPT-5.5 de OpenAI, Claude Code con Opus 4.7 de Anthropic y Kimi Code con Kimi K2.6 de Moonshot AI. Los equipos de agentes desarrollaron de forma independiente enfoques algorítmicos distintos, los pusieron a prueba en experimentos reales y conservaron los cambios que mejoraban la tasa de éxito en ciclos repetidos de autoentrenamiento.
Entre los resultados obtenidos, los robots aprendieron a cortar bridas de plástico e insertar GPUs en zócalos estrechos de placas base. Jim Fan, director de IA en Nvidia, afirmó que una parte del laboratorio GEAR "se autoentrena sin descanso durante la noche" y que el equipo "lee los informes por la mañana". El equipo publicará el código en abierto para que cualquiera pueda montar un laboratorio robótico autónomo en casa.