Le domaine de l’IA connaît encore aujourd’hui une évolution intéressante.
Des agents de programmation basés sur l’IA ont appris à des robots à installer des GPU et à couper des attaches de serrage
Le programme d’auto-amélioration des robots de Nvidia fait appel à des équipes d’agents de programmation spécialisés en IA.
Que se passe-t-il lorsque l’on met à la disposition d’agents de programmation basés sur l’IA un laboratoire rempli de bras robotiques, des ressources informatiques et un « budget de jetons généreux » pour apprendre aux robots à effectuer diverses tâches ? Les agents seraient apparemment capables de mettre au point un programme d’entraînement permettant d’apprendre aux robots à couper correctement des attaches de serrage et même à insérer des cartes graphiques dans les emplacements étroits des cartes mères.
Cet aperçu de la manière dont l’IA peut agir de manière entièrement autonome pour automatiser l’entraînement des robots a été rendu possible grâce à un nouveau framework d’agent « harness » — un logiciel qui s’intègre aux modèles d’IA pour leur permettre d’utiliser divers outils tout en leur fournissant des capacités techniques telles que la mémoire, le contexte, les contraintes et les boucles de rétroaction. Ce harnais agentique, baptisé ENPIRE, a été mis au point par des chercheurs en robotique du laboratoire Nvidia GEAR (Generalist Embodied Agent Research), en collaboration avec des scientifiques de l’université Carnegie Mellon de Pittsburgh et de l’université de Californie à Berkeley.
En parallèle, « Une partie de notre laboratoire NVIDIA GEAR s’fait progresser désormais d’elle-même sans relâche pendant la nuit », a écrit Jim Fan, directeur de l’IA chez NVIDIA, dans un message publié sur LinkedIn. « Nous n’avons plus qu’à consulter les rapports le matin. »
Fan a aussi décrit avec humour l’objectif de cette formation de robots pilotée par l’IA, en déclarant : « On partirait tous en vacances et Jensen ne s’en rendrait même pas compte », en référence au fondateur et PDG de Nvidia, Jensen Huang. Mais les chercheurs en robotique de Nvidia ne seraient pas les seuls à en bénéficier : Fan a indiqué que l’équipe rendrait l’ensemble de ses travaux open source afin que chacun puisse mettre en place son propre « laboratoire de robots autonomes chez soi ».
Le harnais ENPIRE comprend quatre modules qui permettent aux agents de codage basés sur l’IA d’effectuer une réinitialisation et une vérification automatiques des tâches, d’affiner les politiques régissant le comportement des robots, d’évaluer ces politiques sur de multiples robots physiques fonctionnant en parallèle, et de remédier aux défaillances en analysant les journaux d’activité, en intégrant des articles de travaux de recherche et en améliorant l’infrastructure de formation de ce fait que le code des algorithmes. Vous trouverez davantage de détails techniques dans l’article de recherche publié le 16 juin 2026.
Les prochaines semaines permettront d’en mesurer la portée réelle.
Dans le même ordre d’idées :
- Comment créer des modèles Transformers économes en mémoire avec xFormers à l’aide de séquences compactées, de GQA, d’ALiBi, de SwiGLU et de l’attention causale
- Découvrez Flash-KMeans : un algorithme K-Means précis et optimisé pour les E/S, qui s’exécute plus de 200 fois plus vite que FAISS sur les GPU
- Voici ce que fera Prometheus, la récente start-up de Jeff Bezos
Source originale : Ars Technica AI : Ars Technica AI