Karena ini adalah terjemahan dari artikel luar negeri, mungkin ada kesalahan terjemahan.
https://hothardware.com/news/nvidia-ai-robots-install-graphics-cards
Robot AI Nvidia Belajar Cara Memasang Kartu Grafis Tanpa Bantuan Manusia
Mengajarkan keterampilan baru kepada robot selalu merupakan tugas yang rumit dan membutuhkan banyak tangan manusia. Seseorang harus menyetel ulang lokasi setiap kali terjadi kegagalan, memantau perangkat keras, dan menentukan apakah robot telah melakukannya dengan benar.
Nvidia sekarang ingin menghilangkan kebutuhan akan seseorang itu. Nvidia telah dengan kuat mendorong AI fisik selama setahun terakhir, dan proyek terbaru ini membawa konsep tersebut ke tingkat berikutnya. Bekerja sama dengan Universitas Carnegie Mellon dan UC Berkeley, Institut Agen Berinkarnasi Universal Nvidia telah meluncurkan EMPIRE, kerangka kerja yang menugaskan seluruh loop pelatihan kepada agen pengkodean AI sehingga dapat mengajarkan keterampilan baru kepada robot pada perangkat keras nyata tanpa pengawas manusia.
Sistem ini adalah loop umpan balik tertutup yang terdiri dari empat bagian. Modul lingkungan menyetel ulang lokasi, melakukan pemeriksaan keselamatan, dan memvalidasi setiap hasil. Modul perbaikan kebijakan mempelajari sinyal hadiah, video kamera, catatan pelacakan waktu eksekusi, dan kesalahan yang terjadi untuk menulis dan memodifikasi kode kontrol.
Modul rollout sering menjalankan tes nyata secara bersamaan di beberapa robot dan merekam semuanya. Kemudian modul evolusi membandingkan cabang agen, mempertahankan kode yang berfungsi dan membuang kode yang gagal. Ini mirip dengan cara tim perangkat lunak bergantung pada pengujian berkelanjutan, tetapi pengujian berjalan di lengan robot nyata.
Untuk menemukan model dengan performa terbaik, para peneliti menggunakan tiga agen pengkodean: Codex berbasis GPT 5.5, Claude Code Opus 4.7, dan Kimi Code berbasis Kimi K2.6. Setiap agen mengusulkan ide, menguji di perangkat keras, dan hanya menyimpan bagian yang ditingkatkan. Hasilnya mengejutkan. Robot yang dilatih dalam tugas yang rumit dan presisi mencapai tingkat keberhasilan 99 persen menurut pass@8, metrik yang memungkinkan hingga 8 upaya per sub-tugas dengan setiap percobaan ulang diperbaiki berdasarkan kegagalan sebelumnya. Ini adalah metrik yang mengukur ketahanan sejati, bukan keberuntungan.
Tugas-tugas ini sama sekali tidak mudah. Robot menyelortir pin kecil ke dalam kotak, memotong kabel zip menggunakan pemotong nyata, dan memasang kartu ekspansi dan kartu grafis langsung ke slot motherboard. Siapa pun yang pernah berjuang memasukkan kartu yang ketat ke dalam slot PCIe akan mengakui bahwa tugas terakhir ini adalah pencapaian yang luar biasa.
Hasilnya bervariasi sesuai dengan ukuran gerombolan agen. Tim peneliti menguji dengan menjalankan kelompok agen 1, 4, dan 8 secara paralel. Satu agen membutuhkan waktu hampir 5 jam untuk menyelesaikan tugas. Delapan agen menguranginya menjadi sekitar 2 jam. Untuk mengukur trade-off, Nvidia memperkenalkan dua metrik: rata-rata utilitas robot dan rata-rata utilitas token.
Ada trade-off di sini. Tim yang lebih besar mencapai kebijakan yang berfungsi lebih cepat, tetapi lebih banyak agen menghabiskan lebih banyak waktu membaca log, merangkum cabang rekan, dan mengoordinasikan, sehingga penggunaan token meloncat. Juga, ketika model terganggu oleh debugging atau menunggu inferensi, perangkat keras yang mahal dibiarkan menganggur, sehingga utilitas robot menurun. Daripada mendapatkan kecepatan, Anda menghabiskan token.
Jim Fan, yang secara bersama memimpin laboratorium GEAR, mengevaluasi proyek ini sebagai yang pertama memungkinkan penelitian otomatis di dunia fisik. Nvidia berencana untuk merilis ini sebagai open source, yang akan memungkinkan universitas, startup, dan hobbyis untuk membangun laboratorium robot yang memperbaiki diri mereka sendiri.
Ini selaras dengan langkah Nvidia dalam secara kuat mendorong AI fisik selama tahun terakhir, termasuk agenda robotika yang diumumkan menjelang GTC 2026. Menurut penelitian Nvidia, hambatan tidak pernah menjadi robot. Itu adalah kami manusia, makhluk daging dan darah.
