Nvidia, Carnegie Mellon und UC Berkeley haben ein System entwickelt, das KI-Coding-Agenten ermöglicht, Roboter vollautomatisch neue Fähigkeiten beizubringen. Eine Flotte von acht Roboterarmen erreichte dabei eine Erfolgsquote von 99% bei komplexen Montageaufgaben – ohne menschliche Überwachung während des Trainings.
Das Framework namens ENPIRE nutzt KI-Coding-Agenten wie OpenAI Codex, Anthropic Claude und Moonshot Kimi, um den kompletten Trainingsprozess von Robotern zu automatisieren. Diese Agenten schreiben dabei eigenständig Code, testen ihn auf physischer Hardware und optimieren ihn iterativ – ähnlich wie bei der bisherigen Softwareentwicklung, nur jetzt auf reale Roboterarme angewendet. Der Prozess benötigte nach Aufbau der initialen Tools (Reset-Routine und Reward-Funktion) keine weitere menschliche Intervention.
Das System arbeitete mit acht bimanuel ausgestatteten Roboterstationen, die ihre Fortschritte über Git-Versionskontrolle teilten. Dadurch verbreiteten sich erfolgreiche Trainingsmethoden innerhalb von Minuten auf alle acht Systeme. Bei Tests wie der Stiftbestückung und komplexen Montageaufgaben reduzierte sich die Trainingszeit durch Skalierung von einer auf acht Roboter um mehr als die Hälfte – beispielsweise von 90 Minuten auf etwa 40 Minuten bei der Stiftbestückung.
Allerdings stieg der Token-Verbrauch (Kosten für KI-Nutzung) überproportional mit der Anzahl der Roboter, was die wirtschaftliche Rentabilität solcher Systeme auch in Zukunft in Frage stellt. Die Forschung zeigt dennoch das Potenzial vollautomatisierter Robotertrainings in der industriellen Fertigung.