Компания Nvidia представила впечатляющую демонстрацию возможностей искусственного интеллекта в робототехнике. В рамках нового проекта группа роботов смогла самостоятельно освоить ряд сложных операций по сборке компьютеров, включая установку видеокарты в материнскую плату, сортировку деталей и работу с крепёжными элементами. Особенность системы заключается в том, что машины не выполняют заранее запрограммированные действия, а обучаются новым навыкам практически самостоятельно.

Эксперимент показал, что современные ИИ-агенты способны не только анализировать информацию и писать код, но и эффективно взаимодействовать с физическим миром. Исследователи уверены, что подобные технологии могут стать основой для будущих автоматизированных производств, где роботы будут самостоятельно осваивать новые задачи без длительного ручного программирования.

Проект ENPIRE: когда роботы учатся сами

Разработка получила название ENPIRE. Её главная цель — создать систему, в которой несколько роботов могут самостоятельно обучаться выполнению практических задач, требующих высокой точности и координации действий.

Для эксперимента специалисты задействовали восемь ИИ-агентов, связанных с группой роботизированных манипуляторов. Каждому агенту выделялись вычислительные ресурсы, включая графические процессоры и определённый лимит токенов, необходимых для работы языковых моделей.

После получения задания система начинала самостоятельно искать способы решения. Роботы анализировали окружающую обстановку, изучали визуальные ориентиры, тестировали различные варианты действий, исправляли ошибки и постепенно улучшали свои навыки.

По словам разработчиков, процесс обучения напоминал коллективную работу команды инженеров: агенты обменивались опытом, обсуждали результаты, сталкивались с неудачами и снова предпринимали попытки выполнить поставленную задачу.

Сборка компьютера без участия человека

Одним из самых зрелищных этапов демонстрации стала частичная сборка персонального компьютера.

В ходе испытаний один робот аккуратно захватил видеокарту и передал её другому манипулятору. Второй робот удерживал материнскую плату и затем установил графический ускоритель в слот PCI Express. Несмотря на заметные колебания конструкции во время работы, операция завершилась успешно.

Интересно, что для демонстрации использовались относительно компактные видеокарты потребительского класса. Масштабные и тяжёлые модели уровня флагманских решений, таких как GeForce RTX 5090, в эксперименте задействованы не были. Вероятно, разработчики решили снизить риск повреждения дорогостоящего оборудования на этапе тестирования технологии.

Роботы освоили и другие производственные операции

Возможности системы не ограничились установкой комплектующих.

Во время испытаний роботы также выполняли сортировку металлических штифтов по контейнерам, работали с пластиковыми стяжками и самостоятельно обрезали их после фиксации. Подобные операции часто встречаются на производственных линиях и требуют высокой точности движений.

Фактически исследователи проверяли способность искусственного интеллекта работать с объектами разной формы, размеров и степени сложности, а также адаптироваться к новым условиям без заранее подготовленных сценариев.

В эксперименте участвовали сразу несколько ИИ-моделей

Для проекта использовались различные современные системы искусственного интеллекта. Среди них были агенты OpenAI Codex на базе модели GPT-5.5, Claude Code с моделью Opus 4.7, а также Kimi Code на основе Kimi K2.6.

Такой подход позволил исследователям сравнить эффективность разных моделей при решении практических задач в робототехнике и оценить их способность к самостоятельному обучению в реальных условиях.

Чем больше роботов — тем быстрее результат

Одним из выводов эксперимента стало подтверждение эффективности коллективной работы машин.

Во время тестов специалисты изменяли количество задействованных роботов и отслеживали скорость достижения результата. Оказалось, что группа из восьми машин справлялась с поставленными задачами значительно быстрее, чем небольшие команды.

Причина заключается в том, что роботы могут параллельно исследовать различные варианты решения, делиться полученным опытом и быстрее находить наиболее эффективный способ выполнения операции.

Что это значит для будущего промышленности

Проект ENPIRE демонстрирует новый этап развития робототехники, где основную роль играет не механическая часть устройств, а интеллектуальная система управления.

Если подобные технологии продолжат развиваться такими же темпами, предприятия смогут внедрять роботов, которые будут самостоятельно осваивать новые производственные процессы, адаптироваться к изменению оборудования и выполнять задачи без длительной подготовки со стороны инженеров.

Пока такие системы ещё находятся на стадии экспериментов, однако уже сегодня они показывают, насколько быстро стирается граница между цифровым интеллектом и реальным физическим миром.