‏ایجنت‌های کدنویس، پژوهش رباتیک رو خودکار می‌کنن

به گفتهٔ پژوهشگرهای آزمایشگاه GEAR انویدیا، دست‌ورزی ظریف ربات تو دنیای واقعی هنوز به‌شدت به نظارت آدم و مهندسی الگوریتم وابسته‌ست و همین گلوگاه اصلیه. ایجنت‌های کدنویس تو محیط دیجیتال خوب کار می‌کنن، ولی حلقهٔ بازخوردی که بشه باهاش سیاست رو تو دنیای واقعی بهتر کرد گم بوده؛ چیزی که ENPIRE می‌خواد پرش کنه.

این چارچوب اون حلقه رو با چهار بخش می‌سازه: یه بخش محیط برای ریست و تأیید خودکار، یه بخش بهبود سیاست، یه بخش اجرا که سیاست‌ها رو با یک یا چند ربات هم‌زمان ارزیابی می‌کنه، و یه بخش تکامل که توش ایجنت‌ها لاگ‌ها رو تحلیل می‌کنن، مقاله می‌خونن و کدِ آموزش رو بهتر می‌کنن. این‌طوری یادگیری ربات به یه فرایند بهینه‌سازی کنترل‌پذیر تبدیل می‌شه که ایجنت خودش مدیریتش می‌کنه.

به گفتهٔ نویسنده‌ها با همین سازوکار، ایجنت‌های کدنویس مرزی تونستن به‌صورت خودمختار سیاست‌هایی بسازن که تو کارهای ظریف و سختِ دنیای واقعی به ۹۹ درصد موفقیت می‌رسن؛ کارهایی مثل چیدن پین تو جعبه، جاگذاری GPU و بریدن بست پلاستیکی با کاتر. برای رسیدن به این نقطه، صحنه باید خودریست و خودتأییدگر بشه تا هر آزمایش بدون داوری آدم امتیاز بگیره.

مقاله سه ایجنت رو با هم می‌سنجه: Codex با GPT-5.5، Claude Code با Opus 4.7 و Kimi Code با Kimi K2.6. به‌جای این‌که فقط بپرسن سیاست نهایی موفق شده یا نه، پیشرفت پژوهش رو در طول زمان دنبال می‌کنن. زیاد کردن تعداد ایجنت‌ها هم سرعت رسیدن به جواب رو بالا می‌بره، ولی به قیمت مصرف بیشتر توکن.

نویسنده‌ها دو سنجه پیشنهاد می‌دن، بهره‌وری میانگین ربات (MRU) و بهره‌وری میانگین توکن (MTU)، تا کارایی این پژوهش خودکارِ چندایجنتی اندازه‌گیری شه. یکی از محدودیت‌ها اینه که وقتی ایجنت‌ها مشغول خوندن لاگ و نوشتن کدن، ربات‌ها و پردازنده‌ها کامل استفاده نمی‌شن؛ و هرچی ناوگان ربات بزرگ‌تر شه، هماهنگی بین ایجنت‌ها توکن بیشتری می‌بره.

نکات کلیدی:

• ENPIRE یه چارچوبه که ایجنت‌های کدنویس باهاش پژوهش رباتیک واقعی رو خودکار می‌کنن
• حلقهٔ کار: ریست صحنه، اجرای سیاست، تأیید نتیجه و بهبود دور بعدی
• ایجنت‌های کدنویس مرزی روی کارهای ظریف به ۹۹ درصد موفقیت رسیدن
• بزرگ‌تر شدن ناوگان ربات سرعت رو بالا می‌بره ولی مصرف توکن رو هم زیاد می‌کنه