NVIDIA crea el primer bucle de auto-mejora para robots físicos

Los agentes de inteligencia artificial ya saben iterar sobre su propio código para mejorar su desempeño. Ahora NVIDIA quiere que los robots físicos hagan lo mismo, y acaba de presentar ENPIRE, un sistema que convierte a los brazos robóticos en algo muy parecido a científicos autónomos: experimentan, fallan, analizan y vuelven a intentarlo sin que un humano tenga que estar presente en cada paso.

ENPIRE es una plataforma de software que organiza el aprendizaje de robots reales en cuatro módulos. El módulo de Entorno (Environment) se encarga de reiniciar automáticamente la escena después de cada intento y verificar que todo esté listo para el siguiente. El módulo de Mejora de Políticas (Policy Improvement) lanza refinamientos sobre la estrategia del robot. El módulo de Despliegue (Rollout) evalúa las políticas usando uno o varios robots físicos operando en paralelo. Y el módulo de Evolución (Evolution) hace que un agente de código analice los registros, consulte literatura relevante y modifique el código de entrenamiento o la infraestructura para corregir fallos.

Este ciclo cerrado, según los investigadores, "transforma el aprendizaje de robots en el mundo real en un procedimiento de optimización controlable que los agentes pueden gestionar, minimizando el esfuerzo humano y permitiendo comparaciones justas entre recetas de entrenamiento".

Cada estación de trabajo incluye dos brazos robóticos YAM (Yet Another Manipulator) en configuración bimanual fija, un conjunto de cámaras y una workstation con una NVIDIA RTX 5090. Todo el sistema está supervisado por un agente de código que orquesta las iteraciones.

Los resultados iniciales son prometedores. En tareas como PushT, organizar alfileres en una caja, cortar un precinto de plástico con un cutter e insertar GPUs en una placa madre, los agentes lograron un 99% de éxito tras varias rondas de auto-mejora. No todos los modelos de lenguaje se comportan igual: los investigadores probaron GPT-5.5 (Codex) y Opus 4.7 (Claude Code) como cerebros del agente, y encontraron que se turnan en el primer puesto, mientras que Kimi-2.6 quedó rezagado. También descubrieron que usar ocho agentes en paralelo acelera la convergencia hacia soluciones de mayor puntuación, probablemente porque exploran más del espacio de soluciones.

Pero el camino hacia la automatización total de la robótica aún tiene obstáculos. Los autores señalan que "los agentes de código no utilizan completamente los recursos robóticos cuando están leyendo registros, escribiendo código, depurando o esperando la respuesta del modelo de lenguaje". En otras palabras, a medida que se añaden más robots, la utilización de los recursos robóticos disminuye mientras aumenta el uso de GPU, porque los agentes pasan más tiempo pensando que actuando. La paralelización no es natural todavía.

Para un ejecutivo latinoamericano que evalúe inversiones en automatización, ENPIRE es una señal clara de hacia dónde va la industria: robots que no solo ejecutan sino que se mejoran a sí mismos. Pero también una advertencia de que la infraestructura para escalar estos sistemas aún requiere ingeniería fina y no está lista para un despliegue masivo. Las empresas que quieran aprovechar este tipo de tecnología necesitarán equipos capaces de configurar los bucles de retroalimentación y resolver los cuellos de botella de paralelización.

Lo que NVIDIA ha logrado es convertir una idea que sonaba a ciencia ficción —un robot que aprende de sus propios errores sin supervisión constante— en un experimento replicable con hardware comercial. El siguiente paso será lograr que esos robots no solo aprendan tareas aisladas, sino que generalicen ese aprendizaje a entornos cambiantes. La pregunta que queda flotando es cuánto código humano seguirá siendo necesario para que el bucle no se rompa cuando las tareas se vuelvan realmente complejas.