AI kodlama ajanlarına bir laboratuvar, bir dizi robot kolu, yeterli işlem gücü ve geniş token bütçesi sağlandığında, bu ajanlar robotları zip bağlarını kesmekten ince anakart yuvalarına GPU takmaya kadar karmaşık görevleri öğretecek bir eğitim prosedürü geliştirebiliyor. Bu otomatikleştirilmiş robot eğitimi örneği, AI modellerinin çeşitli araçları kullanmasını sağlayan ve aynı zamanda hafıza, bağlam, kısıtlama ve geri bildirim döngüleri gibi yetenekler ekleyen yeni bir ajan çerçevesi sayesinde gerçekleşti.
ENPIRE adı verilen bu çerçeve, NVIDIA GEAR (Generalist Embodied Agent Research) laboratuvarındaki robotik araştırmacılar ile Carnegie Mellon Üniversitesi ve California, Berkeley’den ortakların iş birliğiyle geliştirildi. Çerçevenin temelinde, AI kodlama ajanlarının görevleri otomatik sıfırlayıp doğrulamasını, robot davranışını yönlendiren politikaları iyileştirmesini, paralel çalışan birden fazla fiziksel robotta bu politikaları değerlendirmesini ve oluşan hataları logları analiz ederek, araştırma makalelerinden faydalanarak ve eğitim altyapısı ile algoritma kodunu güncelleyerek gidermesini sağlayan dört modül bulunuyor.
ENPIRE, OpenAI Codex (GPT‑5.5), Anthropic Claude Code (Opus 4.7) ve Moonshot AI Kimi Code (Kimi K2.6) gibi üç farklı AI kodlama ajanı ile test edildi. Her bir ekip, robot eğitimi için özgün algoritmalar tasarladı, gerçek dünyada denedi ve tekrarlanan kendi kendine test döngülerinde başarı oranını artıran değişiklikleri sakladı. Araştırma ekibi, bu teknolojiyi açık kaynak olarak sunarak herkesin evde kendi “özerk robot laboratuvarını” çalıştırabilmesini hedefliyor.
Yorum Yap