Die KI braucht euch bald nicht mehr: Sie kann ihre Grafikkarte jetzt selbst einbauen

Eine der Demonstrationen aus Nvidias ENPIRE-Forschungsprojekt: Ein Roboterarm setzt eine Grafikkarte in ein Mainboard ein. (© Nvidia Gear Lab)

Bis zu einer Welt der autonomen Roboter ist es noch ein ganz schön weiter Weg. Die Köpfe bei Nvidia lassen sich davon nicht beirren und bringen schon seit Monaten immer wieder neue Meldungen zum Stand des Fortschritts.

Eine solche stammt nun vom KI-Chef Jim Fan auf LinkedIn, wo er ein neues Framework namens ENPIRE vorstellte. Das Ziel: Roboter sollen zu einer gegebenen Aufgabenstellung eigenständig lernen, verbessern und diese schließlich ohne menschliche Aufsicht ausführen können.

1:43 SwitchBot zeigt auf der CES 2026 den onero H1 – einen »erschwinglichen« Roboter für euer Zuhause

Autoplay

KI-Agenten trainieren Roboter eigenständig

Konkret übergibt Enpire KI-Coding-Agenten den gesamten Forschungskreislauf beim Robotertraining – vom Szenenreset über den Versuch bis zur Code-Überarbeitung. Die Idee stammt von Forschern aus Nvidias GEAR Lab (»Generalist Embodied Agent Research«), der Carnegie Mellon University und der University of California.

Als Coding-Agenten kamen Codex mit GPT-5.5, Claude Code mit Opus 4.7 sowie Kimi Code mit Kimi K2.6 zum Einsatz. Getestet wurden diese an einer Roboterflotte aus acht Stationen à zwei Armen. Das Ergebnis laut den Forschern: 99 Prozent Erfolgsquote bei anspruchsvollen Aufgaben, darunter eben der GPU-Einbau, der bei Weitem nicht das einzige Versuchsfeld darstellte:

Einer hält die Zange, der andere den Kabelbinder: Das Training der ENPIRE-Roboter beinhaltete auch eine Aufgabe aus unserem PC-Kabelmanagement. (© Nvidia Gear Lab)

ENPIRE: Vier Module ersetzen den menschlichen Techniker

ENPIRE – das Kürzel steht für Environment, Policy Improvement, Rollout und Evolution – automatisiert den bislang manuellen Forschungskreislauf.

Das Environment-Modul übernimmt Szenenrücksetzung und Erfolgsprüfung: Beim GPU-Einbau greift der Roboter die Grafikkarte auf, führt sie in eine Startposition zurück und trennt sie wieder vom Mainboard.
Das Policy-Improvement-Modul lässt Agenten indes Trainingscode schreiben und auf Basis von Videoaufnahmen sowie Fehleranalysen verbessern. Dabei lesen die Agenten eigenständig wissenschaftliche Paper und leiten daraus algorithmische Hypothesen ab.

Forscher entwickeln einen Roboter, der wie Lego funktioniert – selbst der Verlust eines Beines kann ihn nicht aufhalten

Von der Simulation zu echter Hardware

Die entscheidende Neuerung liegt nicht im KI-Modell, sondern in der Umgebung. Bisherige »AutoResearch«-Ansätze arbeiteten fast ausschließlich in Simulatoren. ENPIRE verlagert diesen Kreislauf erstmals auf reale Hardware und verzichtet dabei auf Simulation als Mittelsmann.

Allerdings zeigen die Ergebnisse die Grenzen: Beim »Push-T«-Test bestanden alle drei Coding-Agenten in der Simulation, zwei von dreien scheiterten aber auf echter Hardware – Reibung und physikalische Varianz lassen sich eben nicht wegoptimieren.

Den vollständigen ENPIRE-Code will Nvidia laut der Projektseite als quelloffen veröffentlichen; einen konkreten Termin hat das Unternehmen aber bislang nicht kommuniziert.