Képzeld el, hogy a robotok betanítása nem egy hónapokig tartó, kézzel hangolt mérnöki munka, hanem egy „éjszakai műszak”, amit AI ügynökök futtatnak végig. Most pontosan ezt mutatták meg: kódoló AI-k képesek voltak önállóan tréningprogramot kitalálni, lefuttatni, és javítani, amíg a robotkarok stabilan nem teljesítettek kényes feladatokat.

Mi történt

Egy kutatócsapat létrehozott egy úgynevezett agent harness (magyarul: ügynök-„hám” vagy keretrendszer) megközelítést, amely AI modelleket „körbecsomagolva” hozzáférést ad eszközökhöz, memóriához, korlátokhoz és visszacsatolási hurkokhoz. Gondolj rá úgy, mint egy labor-asszisztens operációs rendszerre: nem maga a modell a varázslat, hanem az, hogy a modell képes lépésről lépésre végigvinni a munkafolyamatot.

Az ENPIRE nevű keretrendszerrel a kódoló ügynökök robotkarokat tanítottak be többek között kábelkötegelők elvágására és GPU-k behelyezésére vékony, szoros alaplapi foglalatokba. Ezek nem „csak” látványos demók: az ilyen finom manipuláció tipikusan az a terület, ahol a robotikában sok idő elmegy a hibák felderítésére és a tréning újratervezésére.

A rendszer négy nagy modulra bontja a folyamatot: (1) automatikus visszaállítás és ellenőrzés a feladatok között (reset és verifikáció), (2) a robot viselkedését irányító „policy” folyamatos finomítása, (3) a policy-k párhuzamos kipróbálása több fizikai roboton, (4) hibakezelés, ahol a rendszer logokat elemez, szakirodalmat is be tud húzni, és javítja a tréning-infrastruktúrát vagy magát az algoritmuskódot.

A tesztekben három különböző kódoló ügynök szerepelt: OpenAI Codex (GPT-5.5-tel), Anthropic Claude Code (Opus 4.7-tel) és Moonshot AI Kimi Code (Kimi K2.6-tal). A lényeg itt nem az, hogy „melyik nyert”, hanem hogy több ügynök egymástól függetlenül is képes volt eltérő tréningmegközelítéseket kidolgozni, majd a sikerarányt javító változtatásokat megtartani ismételt önálló ciklusokban.

Miért fontos

A robotok betanítása ma sokszor olyan, mint amikor egy makacs receptet próbálsz tökéletesíteni: apró módosítások, rengeteg próba, és a „miért romlott el?” kérdés végtelen körforgása. Az ENPIRE-típusú megközelítés abba az irányba tolhatja a robotikát, hogy a mérnökök kevésbé kézzel hangolnak, inkább célokat, korlátokat és mérőszámokat adnak meg, a monoton iterációt pedig automatizált ügynökök futtatják. Ez különösen ott számít, ahol a valós robotidő drága, a hibák pedig nehezen reprodukálhatók.

Mire figyelj

  1. Mennyire általánosítható a módszer? A látványos feladatok mellett az lesz a döntő, hogy új tárgyakra, új környezetre és új robotokra mennyire gyorsan vihető át a tréning.
  2. Biztonság és korlátok a fizikai világban: Egy „önjáró” robotlabor akkor hasznos, ha a reset, a verifikáció és a hibakezelés valóban megbízhatóan megfogja a veszélyes vagy károkozó viselkedést.
  3. Nyílt forrás és hozzáférhetőség: Jim Fan (NVIDIA) utalt rá, hogy a csapat nyílt forrásúvá tenné az egészet; érdemes figyelni, milyen gyorsan lesz ebből valóban futtatható, dokumentált rendszer, és milyen hardver/infra kell hozzá, hogy ne csak nagy labornak legyen opció.

Ha ez az irány beválik, a robotika fejlődése kevésbé a „zseniális egyedi trükkökön”, és inkább a jól automatizált, mérhető, ismételhető tréningciklusokon múlhat — ami végső soron a megbízhatóságon és a skálázhatóságon látszik meg.