ENPIRE: Agentic Robot Policy Self-Improvement in the Real World
作者: Wenli Xiao, Jia Xie, Tonghe Zhang, Haotian Lin, Letian "Max" Fu, Haoru Xue, Jalen Lu, Yi Yang, Cunxi Dai, Zi Wang, Jimmy Wu, Guanzhi Wang, S. Shankar Sastry, Ken Goldberg, Linxi "Jim" Fan, Yuke Zhu, Guanya Shi
分类: cs.AI
发布日期: 2026-06-18
💡 一句话要点
提出ENPIRE框架以实现机器人自主政策自我改进
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 机器人操作 政策改进 自动化反馈 灵巧操作 编码代理 闭环系统 自主学习
📋 核心要点
- 核心问题：现有的机器人操作方法依赖于大量人类监督，限制了其在真实环境中的应用和效率。
- 方法要点：提出ENPIRE框架，通过自动化反馈循环实现机器人政策的自我改进，减少人类干预。
- 实验或效果：通过ENPIRE，编码代理在复杂的灵巧操作任务中实现了99%的成功率，且在机器人团队协作下进一步加速。
📝 摘要（中文）
实现现实世界中的灵巧机器人操作在很大程度上依赖于人类监督和算法工程，这成为追求通用物理智能的核心瓶颈。尽管新兴的编码代理可以生成代码以自动化算法搜索，但其成功主要局限于数字环境。为此，本文提出ENPIRE，一个为编码代理设计的框架，通过四个核心模块实现物理反馈循环：环境模块（EN）、政策改进模块（PI）、回放模块（R）和进化模块（E）。这一闭环系统将现实世界的操作学习转变为可控的优化过程，显著减少人类的努力，并在多个物理机器人并行操作时实现99%的成功率，展示了编码代理在物理世界中自主推进机器人技术的可行性和可扩展性。
🔬 方法详解
问题定义：本文旨在解决现实世界中机器人操作依赖人类监督的问题，现有方法在算法搜索和操作效率上存在瓶颈。
核心思路：提出ENPIRE框架，通过建立一个可重复的反馈循环来实现机器人政策的自我改进，设计上强调自动化和高效性。
技术框架：ENPIRE框架包含四个核心模块：环境模块（EN）用于自动重置和验证场景，政策改进模块（PI）负责政策的优化，回放模块（R）评估多个物理机器人并行操作的政策，进化模块（E）分析日志并改进训练基础设施和算法代码。
关键创新：ENPIRE的闭环系统将现实世界的操作学习转变为可控的优化过程，显著减少了人类的干预，允许对训练方案和代理变体进行公平的消融实验。
关键设计：在设计中，模块间的交互和数据流动至关重要，尤其是在政策评估和改进过程中，确保了高效的反馈和学习机制。具体的参数设置和损失函数设计尚未详细披露。
🖼️ 关键图片
📊 实验亮点
实验结果显示，使用ENPIRE框架的编码代理在复杂的灵巧操作任务中达到了99%的成功率，显著优于传统方法。同时，当多个机器人协同工作时，操作效率进一步提升，展示了该方法的可扩展性和实用性。
🎯 应用场景
该研究的潜在应用领域包括工业自动化、家庭服务机器人以及医疗辅助机器人等。通过实现机器人自主学习和改进，ENPIRE框架能够显著提高机器人在复杂环境中的操作能力，推动智能机器人技术的广泛应用。
📄 摘要（原文）
Achieving dexterous robotic manipulation in the real world heavily relies on human supervision and algorithm engineering, which becomes a central bottleneck in the pursuit of general physical intelligence. Although emerging coding agents can generate code to automate algorithm search, their successes remain largely confined in digital environments. We conjecture that the missing abstraction to automate robotics research is a repeatable feedback loop for real-world policy improvement: reset the scene, execute a policy, verify the outcome, and refine the next iteration. To bridge this gap, we introduce ENPIRE, a harness framework for coding agents that instantiates this physical feedback routine with four core modules: an Environment module (EN) for automatic reset and verification, a Policy Improvement module (PI) that launches policy refinement, a Rollout module (R) to evaluate policies with one or multiple physical robots operating in parallel, and an Evolution module (E) in which coding agents analyze logs, consult literature, improve training infrastructure and algorithm code to address failure modes. This closed-loop system transforms real-world manipulation learning into a controllable optimization procedure, minimizing human effort while allowing fair ablations across training recipe and agent variants. Powered by ENPIRE, frontier coding agents can autonomously train a policy to achieve a 99% success rate on challenging, dexterous manipulation tasks, such as organizing a pin box, fastening a zip tie, and tool use, a process that further accelerates when we dispatch an agent team on a robot fleet. Our results suggest a practical and scalable path toward deploying coding agents to autonomously advancing robotics in the physical world.