英伟达 GEAR Lab 联合卡内基梅隆大学、加州大学伯克利分校推出「ENPIRE」智能体调度框架，让一组 AI 编程代理人在几乎无人干预下为机械臂自动设计训练流程并迭代优化。

实验中分别接入了基于 OpenAI Codex/GPT-5.5、Anthropic Claude Code Opus 4.7、月之暗面 Kimi Code K2.6 的代理团队，让机器人学会剪扎带、整理零件、插拔 GPU 等任务，多项任务成功率达到 99%，插针与整理任务上比有人类参与的训练方法更快逼近 100%。

研究还发现代理人数越多学习越快，但 8 人团队相比单代理仅缩短至约 2 小时，效率提升并非线性，因协作沟通会消耗额外时间。论文同时指出当前存在机器人闲置等待代码调试、算力利用不充分、token 消耗成本上升等局限。

英伟达 AI 负责人范骏（Jim Fan）在社交平台上形容，如今实验室的一部分已经可以在夜间「自我改进」，研究人员只需早上查看训练报告即可了解机器人在前一晚的进展。他半开玩笑地表示，理想状态下「大家都去度假，黄仁勋都不会发现」，并称团队计划将相关成果开源，让任何人都可以在家里搭建自己的「自运行机器人实验室」。