רובוטים שמאמנים את עצמם: Nvidia שיחררה את ENPIRE — סוכני קוד מלמדים רובוטים

חוקר רובוטיקה שעזב את המעבדה ביום שלישי בלילה חזר בבוקר ומצא את הצי שלו התקדם לבד. זה לא תסריט מסרט — זה בדיוק מה ש-ENPIRE מתאר. ב-17 ביוני 2026, NVIDIA GEAR Lab, CMU ו-UC Berkeley שיחררו פריימוורק שמעביר את ה-loop של אימון רובוטים לידי סוכני קוד, ומשאיר את האדם מחוץ ללולאה.

מה זה ENPIRE

ENPIRE הוא פריימוורק robotics אגנטי. במקום שאדם יכתוב את קוד האימון של הרובוט, יריץ אותו, ינתח את התוצאות וישפר — ה-loop כולו מועבר לסוכני קוד. הם כותבים את הקוד, מריצים אותו על hardware אמיתי, מקבלים נתונים מהחיישנים, ומשפרים את עצמם. לפי Decrypt, מדובר בהחלפה מלאה של ההשגחה האנושית ב-loop המחקרי.

השם ENPIRE מגיע מהמילה האנגלית 'empire' (אימפריה), והוא לא מקרי: הפרויקט מתאר חזון של צי רובוטים שלם שמתופעל על ידי layer של סוכני AI, כשכל רובוט הוא node ברשת שמופעלת ומשופרת רציף. האדם שמפעיל את המערכת רק מגדיר את המטרה בשפה טבעית.

רקע: למה אימון רובוטים הוא בעיה קשה

אימון רובוט לבצע משימת dexterous (מוטוריקה עדינה) הוא אחת הבעיות הקשות ב-robotics. בניגוד לתוכנה, שבה טעות נמחקת עם undo, טעות של רובוט יכולה לשבור hardware, לזרוק חפץ או להזיק לסביבה. לכן ה-loop המסורתי איטי ויקר: חוקר כותב קוד, מריץ בסימולציה, מתקן, מריץ על רובוט אחד זהיר, מנתח טלמטריה, וחוזר חלילה.

התוצאה היא שפיתוח skill רובוטי אחד לוקח שבועות עד חודשים, ודורש צוות אנושי שעוקב אחרי כל ניסוי. ENPIRE משנה את המשוואה הזאת: החוקר האנושי יוצא מהלולאה, והסוכנים רצים את ה-iteration cycle בעצמם — מה שמאפשר קצב ניסויים שבן אדם לא יכול לתחזק פיזית.

sim-to-real: למה hardware אמיתי קשה מסימולציה

בעולם ה-robotics, הפער בין סימולציה למציאות (sim-to-real gap) הוא אחת הבעיות הידועות. סימולציה היא מהירה, זולה ובטוחה — אפשר להריץ בה אלפי ניסויים בשנייה. אבל היא לא מדויקת: חיכוך, משקל, שחיקה, רעש חיישנים ותנאי סביבה מתנהגים אחרת בעולם האמיתי. מודל שעובד מצוין בסימולציה לעיתים נכשל לחלוטין על רובוט פיזי.

ENPIRE עוקף את הפער הזה כי הוא מריץ את הניסויים על hardware אמיתי מלכתחילה, לא בסימולציה. הסוכן רואה נתונים אמיתיים מחיישנים, והשיפורים שלו מבוססים על התנהגות פיזית אמיתית. זה יקר יותר ואיטי יותר לכל ניסוי, אבל התוצאה — 99% הצלחה — נמדדת בעולם האמיתי, ולכן היא אמינה יותר מכל נתון סימולציה.

התוצאות: 8 רובוטים, 99% הצלחה

הניסוי המרכזי כלל צי של 8 רובוטים. אחרי תהליך האימון האוטונומי, הם הגיעו ל-99% הצלחה במשימות dexterous — משימות מוטוריות עדינות שעד עכשיו נחשבו קשות לאוטומציה. המספר הזה מרשים במיוחד כי הוא נמדד על hardware אמיתי, לא בסימולציה שאפשר 'לרמות' אותה.

איך זה עובד בפועל

הזרימה, לפי Ars Technica, היא כזו: סוכן קוד מקבל משימה בשפה טבעית, כותב קוד אימון, מריץ אותו על הרובוטים, מקבל טלמטריה מהחיישנים, ומשפר את הקוד באיטרציה הבאה. הרובוטים עצמם הם ה-sandbox — כל ניסוי מתבצע על hardware אמיתי, לא בסימולציה בלבד.

מה שמייחד את ENPIRE הוא האוטונומיה המלאה של ה-loop. אין מהנדס שמתערב באמצע, אין צעד ידני של ניתוח או תיקון. הסוכנים מנהלים את כל המחזור — מכתיבת הקוד ועד לשיפור התוצאות. כשקוד נכשל, הסוכן קורא את הלוגים, מבין למה, ומתקן את האיטרציה הבאה — בדיוק כמו ש-Claude Code מתקן טעות בתוך repo.

Codex ו-Claude Code מחוץ לקוד: מה משתנה

עד 2026, Codex ו-Claude Code הוצגו בעיקר ככלים למפתחי תוכנה — מיגרציות, refactoring, כתיבת tests. ENPIRE מראה שאותם סוכנים יכולים לפעול בכל domain שבו יש קוד שרץ על מערכת, ואפשר למדוד את התוצאה. הרובוטים הם רק המקרה הבוחן הכי דרמטי, כי התוצאה שם פיזית ונראית.

המשמעות רחבה יותר: אם סוכן קוד יכול לכתוב קוד אימון לרובוט, לבחון אותו, ולשפר אותו לבד — הוא יכול לעשות את אותו הדבר על מערכות אחרות שמקבלות קוד ומחזירות טלמטריה: clusters של servers, infrastructure של cloud, מערכות ML בייצור. ה-loop האגנטי הופך לפרדיגמה כללית, לא נחלת עולם התוכנה בלבד.

NVIDIA ו-robotics: ההקשר האסטרטגי

NVIDIA כבר מזמן לא רק חברת GPUs. GEAR Lab שלה הוא אחד ממרכזי המחקר המובילים ב-robotics וב-AI agents, ו-ENPIRE מגיע בהמשך ליוזמות קודמות בתחום (כמו פרויקטים של foundation models לרובוטים וסימולטורים של NVIDIA). המהלך מחזק את המיצוב של NVIDIA לא רק כספקית של שבבים, אלא כבעלת ה-platform המלא ל-AI — מה-hardware, דרך ה-simulation, ועד ל-layer האגנטי שמפעיל את הכל.

שיתוף הפעולה עם CMU ו-UC Berkeley גם הוא לא מקרי. שתי האוניברסיטאות האלה נמנות עם מובילות המחקר ב-robotics בעולם. הפרסום המשותף מעניק ל-ENPIRE אמינות אקדמית שלא הייתה לו אילו יצא רק מהמעבדות של NVIDIA, ומסמן שמדובר בתוצאת מחקר רצינית, לא ב-marketing demo.

open-source — והמשמעות לתחום

הפרויקט יהפוך ל-open-source. זה אומר שמעבדות מחקר וחברות יוכלו לקחת את הפריימוורק ולהריץ אותו על ה-hardware שלהן. לפי TechTimes, המהלך מתואר כסגירת ה-loop בין סוכני AI לבין מחקר robotics — הרובוטים הופכים ל-platform שעליו הסוכנים עובדים, בדיוק כמו repo ב-GitHub.

בחירת המודל ה-open-source חשובה גם כי היא מאפשרת שכפול. תוצאה של 99% הצלחה על 8 רובוטים היא רק תחילת השיחה אם אי אפשר לבחון אותה מחדש. עם קוד פתוח, כל מעבדה עם רובוטים מתאימים יכולה להריץ את ENPIRE ולבדוק אם התוצאות משתכפלות על hardware שונה ובמשימות אחרות. זה הבסיס לכל מחקר מדעי רציני.

מ-8 רובוטים לצי תעשייתי: מה צריך לקרות

בין demo מרשים במעבדה לבין deployment תעשייתי יש פער משמעותי. כדי ש-ENPIRE יגיע לצי של מאות או אלפי רובוטים, צריך לפתור כמה אתגרים: בטיחות (רובוט שמשפר את עצמו לא יכול לשבור hardware או לפגוע בעובדים), עלות (כל ניסוי על hardware אמיתי שוחק ציוד), ו-coordination (כשכמה סוכנים כותבים קוד לאותו צי, איך מונעים התנגשויות).

למרות זאת, הכיוון ברור. אם קצב האימון שסוכנים יכולים להשיג גבוה משמעותית מזה של צוות אנושי, היתרון הכלכלי של מיקור ה-loop ל-AI הופך למכריע. חברות robotics שיכולות לאמץ את ENPIRE (או את הפרדיגמה שלו) ראשונות יקבלו יתרון speed-to-market משמעותי בכל משימה חדשה — כי זמן האימון הופך לגורם המגביל העיקרי, וסוכן לא צריך לישון.

ההקשר הרחב: סוכני קוד כתשתית כללית

ENPIRE מגיע באותו חודש שבו Codex סובל מ-outage שפגע ב-vibe coders, ובו Claude Code מקבל dynamic workflows עם מאות subagents מקביליים. המגמה ברורה — סוכני הקוד הופכים לתשתית כללית, לא רק כלי למפתחי תוכנה. ENPIRE הוא הביטוי הכי קונקרטי של המגמה הזאת עד כה.

במבט לאחור, ייתכן ש-2026 תירשם כשנה שבה הגבול בין 'סוכן קוד' לבין 'סוכן כללי' החל להיטשטש. אם סוכן שנכתב לעריכת קוד יכול לאמן רובוטים, הוא יכול לנהל infrastructure, לבצע experiments מדעיים, או להפעיל מערכות פיזיות אחרות. ה-repo כבר לא ה-sandbox היחיד שלו.

עד עכשיו סוכני קוד כתבו קוד שרץ בתוך מחשב — עכשיו הם כותבים קוד שמזיז ידיים פיזיות, ומשפר את עצמו מתוך התוצאות.

השורה התחתונה: ENPIRE הוא הרגע שבו סוכני הקוד יוצאים מה-terminal אל העולם הפיזי. צי של 8 רובוטים שמגיע ל-99% הצלחה ללא השגחה אנושית, בפרויקט שהולך להפוך ל-open-source — זה סימן ש-2026 היא השנה שבה ה-loop האגנטי נסגר גם על חומרה, ולא רק על קוד.