過去兩年，AI 產業最重要的變化之一，是 AI 開始參與軟體開發本身：從 OpenAI 的 Codex、Anthropic 的 Claude Code，到近期快速崛起的各類 AI Coding Agent，這些工具不再只是回答問題，而是能閱讀程式碼、撰寫程式、執行測試、修正錯誤，甚至在有限範圍內完成整個開發循環。如今，這股「AI 研發 AI」的趨勢正開始從數位世界延伸到實體世界。
NVIDIA GEAR Lab 聯手卡內基美隆大學（Carnegie Mellon University）與加州大學柏克萊分校（UC Berkeley）最新發表的 ENPIRE（Embodied Neural Policy Improvement through Physical AutoResearch）框架，嘗試讓 AI 代理直接在真實機器人上完成研究流程。
根據 NVIDIA GEAR Lab 發表的研究成果，搭配 ENPIRE 的 AI Coding Agent 已能在裝設顯示卡、插針與束帶處理等高精度任務中達到最高 99% 成功率。更重要的是，這些成果並非來自人類工程師反覆調校，而是來自 AI 代理自行執行實驗、分析結果、改寫程式並持續優化。
機器人研究真正瓶頸：每次失敗都得有人把現場收乾淨
根據《Tech Times》報導，機器人研究長期面臨一個軟體工程沒有的瓶頸：每次實驗失敗後，都必須有人重新整理現場。
如果是軟體開發，測試失敗只要重新執行即可；但在機器人領域，物體可能掉落、位置偏移，甚至整個實驗場景被破壞。研究人員必須先確認結果、重設環境，再讓演算法進行下一輪嘗試。這使得機器人研究的迭代速度，往往受限於人類操作速度，而非演算法本身的進步速度。而 ENPIRE 的核心目標，就是將這個循環自動化。
從重設場景到改寫程式，ENPIRE 想讓 AI 接手整個研究流程
根據論文與《Tech Times》報導，ENPIRE 主要由四個模組組成：Environment、Rollout、Policy Improvement 與 Evolution。
其中，Environment 負責自動重設場景與驗證結果；Rollout 負責在真實硬體上執行實驗；Policy Improvement 讓 AI 代理根據執行結果修改控制策略；Evolution 則負責比較不同研究方向的成果，保留有效方法並淘汰失敗路線。
研究團隊表示，AI 代理不只會修改程式，還能閱讀研究論文、分析實驗紀錄、比較不同演算法表現，並決定下一步應該採用模仿學習（Imitation Learning）、強化學習（Reinforcement Learning）或其他訓練方法。換句話說，AI 代理不只是控制機器人，而是在執行一整套研究流程。
裝顯卡、插針、剪束帶，AI 代理把成功率推向 99%
為了驗證 ENPIRE 的能力，研究團隊將 OpenAI Codex、Anthropic Claude Code 與 Moonshot AI 的 Kimi Code 分別接入真實機器人系統進行測試。
根據《Decrypt》與《Ars Technica》報導，研究團隊讓這些 AI 代理控制由 8 組雙臂機器人組成的實驗平台，挑戰多項高精度操作任務，包括插入細小金屬針、綁束帶並剪斷，以及將顯示卡插入主機板 PCIe 插槽。
《Tom’s Hardware》指出，在顯示的示範影片中，機器人先抓取顯示卡，再將其精準對準主機板插槽並完成安裝。雖然過程中仍可看到細微調整，但已展現相當接近人工操作的精度。
此外，研究人員也發現規模化帶來明顯效果。根據《Ars Technica》與《Decrypt》報導，在 Push-T 測試中，單一代理需要接近 5 小時才能達到高成功率；當系統擴展至 8 組代理與機器人並行研究時，所需時間縮短至約 2 小時。這代表機器人研究也開始出現類似 AI 模型訓練中的規模效應。
從一台到八台機器人，研究速度加快但成本也同步上升
ENPIRE 的另一個重要發現是，多個 AI 代理與多台機器人協同工作，確實能顯著縮短研究時間。然而，《Tech Times》指出，隨著代理數量增加，新的問題也開始出現。代理需要閱讀彼此的實驗紀錄、整理研究成果並同步程式碼，導致部分時間花在協作而非實驗本身。
研究團隊因此提出兩項新指標：機器人利用率（Mean Robot Utilization）與 Token 利用率（Mean Token Utilization），用來衡量研究效率與算力消耗。結果顯示，雖然更多代理能更快找到有效解法，但 Token 消耗成長速度甚至超過時間節省幅度。換言之，研究速度提升的代價，是更高的推理成本。
研究也坦承，Physical AI 仍有三大限制待克服
儘管 ENPIRE 展現出令人印象深刻的成果，論文作者也坦承這項技術距離完全自主研究仍有不少限制。首先，每個任務仍需事先建立自動重設與驗證機制。
根據《Tech Times》與《Decrypt》報導，在正式開始自我研究之前，人類研究人員仍需先建立 Reset Routine 與 Reward Function。例如 GPU 插入任務中，系統必須先學會如何自行拔出顯示卡、恢復初始位置，才能開始下一輪實驗。
其次，模擬與真實世界之間的落差依然存在。論文指出，在 Push-T 任務中，三個 AI Coding Agent 都能在模擬器內成功完成訓練，但進入真實世界後，只有一個代理成功達成目標。研究團隊認為，摩擦力、感測器誤差與物體位置偏移等現象，仍是現有模擬環境難以完全重現的因素。
第三，機器人並非一直處於工作狀態。根據《Ars Technica》分析，許多時間其實消耗在 AI 代理閱讀日誌、撰寫程式、等待模型回應與除錯過程。即使研究循環已高度自動化，系統仍受限於大型語言模型本身的推理效率。
如果說 Claude Code、Codex 等工具代表 AI 開始參與軟體開發，那麼 ENPIRE 展現的，則是 AI 開始參與機器人研究本身。當然，現階段的 ENPIRE 仍離不開人類建立環境、設計評估機制與提供算力資源。但這項研究所揭示的方向已相當明確：未來加速 Physical AI 發展的，未必是更多工程師，也可能是更多負責研究的 AI 代理。
＊本文開放合作夥伴轉載，資料來源：《Tech Times》、《Decrypt》、《Tom’s Hardware》、《Ars Technica》，首圖來源：ENPIRE
