Agentes de codificación de IA pueden dirigir de manera autónoma el entrenamiento de robots
Un nuevo marco de software permite que modelos de IA diseñen, ejecuten y refinen regímenes de entrenamiento robótico de forma independiente, con implicaciones directas para la automatización industrial y la manufactura avanzada.
¿Qué pasa cuando le das a los agentes de codificación de IA un laboratorio lleno de brazos robóticos, algunos recursos de computación y un "presupuesto generoso en tokens" para enseñar a los robots diversas tareas? Los agentes aparentemente pueden idear un régimen de entrenamiento que enseña a los robots a cortar con éxito ataduras de plástico e incluso a insertar GPUs en zócalos delgados en placas madre.
Ese vistazo a cómo la IA puede actuar de manera completamente autónoma para automatizar el entrenamiento de robots fue posible gracias a un nuevo marco de arnés de agentes: software que envuelve modelos de IA para permitir su uso de diversas herramientas mientras proporciona capacidades como memoria, contexto, restricciones y bucles de retroalimentación. Ese arnés agente, llamado ENPIRE, fue desarrollado por investigadores de robótica en el laboratorio GEAR de NVIDIA (Investigación de Agentes Incorporados Generalistas) junto a colaboradores de la Universidad Carnegie Mellon en Pittsburgh y la Universidad de California, Berkeley.
"Una parte de nuestro laboratorio GEAR de NVIDIA ahora se auto-mejora incansablemente durante la noche", escribió Jim Fan, director de IA en NVIDIA, en una publicación de LinkedIn. "Solo leemos los informes en la mañana."
Fan también describió en tono de broma el objetivo de tales entrenamientos de robots dirigidos por IA, diciendo: "Todos tomamos unas vacaciones y Jensen ni siquiera se daría cuenta", en referencia al fundador y CEO de Nvidia, Jensen Huang. Pero no son solo los investigadores de robótica de Nvidia quienes podrían beneficiarse: Fan dijo que el equipo abriría el código para que cualquiera pueda albergar su propio "laboratorio robótico autogestionado en casa".
El arnés ENPIRE tiene cuatro módulos que permiten a los agentes de codificación de IA realizar reinicios automáticos y verificaciones en tareas, refinar políticas que guían el comportamiento robótico, evaluar tales políticas en múltiples robots físicos que trabajan en paralelo y abordar fallas analizando registros, ingiriendo documentos de investigación y mejorando la infraestructura de entrenamiento y el código de algoritmos. Más detalles técnicos están disponibles en el documento de investigación subido el 16 de junio de 2026.
El arnés fue probado con tres diferentes agentes de codificación de IA, incluyendo Codex de OpenAI con GPT-5.5, Claude Code de Anthropic con Opus 4.7 y Kimi Code de Moonshot AI con Kimi K2.6. Equipos de los agentes de codificación desarrollaron independientemente diferentes enfoques algorítmicos para el entrenamiento de robots, los probaron en experimentos del mundo real y luego retuvieron cualquier cambio que ayudara a aumentar la tasa de éxito general en ciclos repetidos de pruebas autodirigidas.
