穗牌官网报道，由英伟达、卡内基梅隆大学与加州大学伯克利分校联合发布的 ENPIRE 框架，让机器人训练首次实现了完全脱离人类干预的自主演进。以往给机器人做动作微调，需要人类不停地在一旁复位道具、手动编写和调试控制代码。现在，团队直接将 Codex 和 Claude Code 等大模型编程工具连上机器人集群，让这些工具自主生成动作控制程序，并通过现场摄像头判定动作成败，像人类科研人员一样自己分析报错日志并修改代码。
在整理散落的大头针、插拔主板零部件、系扎带和用美工刀剪断扎带等一系列毫米级精细动作中，机器人在零人类干预下的测试成功率最终达到了 99%。实验显示，这种物理自主学习具有极强的扩展能力：当把机器人数量扩展至 8 台时，不同分支的大模型智能体能通过 Git 分支自动共享并迭代彼此的最优算法，直接将插针任务的训练时间从 1.5 小时缩短到了 40 分钟左右。
然而，自主演进过程也暴露了新的瓶颈。在单台设备运转时，机器的有效运动时间占了 85%；但当 8 台设备一起跑时，因为机器人要频繁停下来等待大模型编程工具阅读庞大的运行日志、重新写代码和等待 API 响应，硬件的有效利用率直接跌到了 35%。同时，为了让多台机器人的智能体频繁同步彼此的最优解，整体的 Token 消耗量也呈直线上升。项目组宣布会在近期开源相关代码。