Nvidia ENPIRE é o nome do projeto que a Nvidia acaba de apresentar ao mundo, e o que está em jogo vai além de um vídeo impressionante de robô encaixando uma placa de vídeo numa placa-mãe: é a primeira demonstração pública de pesquisa autônoma aplicada ao mundo físico, onde agentes de IA aprendem tarefas de alta precisão sem intervenção humana direta.
Em 2026, a empresa que domina o mercado de GPUs para IA agora usa essas mesmas GPUs para ensinar robôs a manipular hardware com uma destreza que, até pouco tempo atrás, era exclusivamente humana.
O que é ENPIRE e como funciona a autoAprendizagem
A sigla descreve a arquitetura completa do sistema: um framework com quatro módulos integrados. O módulo Environment (EN) cuida do reset automático de cena e da verificação de resultados; o Policy Improvement (PI) lança o refinamento das políticas de controle; o Rollout (R) avalia essas políticas com um ou múltiplos robôs operando em paralelo; e o Evolution (E) fecha o ciclo, com agentes analisando logs, consultando literatura científica e melhorando tanto a infraestrutura de treinamento quanto o código de algoritmos para endereçar modos de falha identificados. É, em essência, um loop de autoAperfeiçoamento que roda no mundo físico, e não apenas em simulação.
Na prática, Jim Fan, Diretor de IA e Cientista Distinto da Nvidia, com base em Stanford, explica que a equipe forneceu a oito agentes Codex uma frota de robôs, uma alocação de GPUs e um orçamento generoso de tokens. A partir daí, os agentes receberam uma tarefa a ser resolvida o mais rápido possível, sem cometer erros. “A frota de robôs começa a ganhar vida: eles aprendem a buscar pistas visuais, resetar a cena, praticar habilidades novas, modificar a pilha de controle, ler artigos online, debater, refletir, travar e tentar de novo diretamente no hardware”, descreve Fan. A conclusão do cientista resume o que torna o projeto singular: “Tudo o que fizemos foi dar ao Codex uma API para o mundo dos átomos, e o resto é emergência.”
GPU na placa-mãe: a tarefa que chamou mais atenção
Entre as demonstrações do demo reel (que podem ser vistas no site clicando aqui), a que concentrou mais atenção foi um braço robótico instalando uma placa de vídeo numa placa-mãe sem qualquer orientação humana em tempo real. No registro em vídeo, é possível ver um braço selecionar e passar a GPU para um segundo braço, que posiciona o slot PCIe da placa em alinhamento com o conector da placa-mãe, desce com controle e aplica a pressão necessária para encaixar.
O movimento teve uma leve oscilação durante a inserção, mas o resultado foi funcional. As outras tarefas do projeto incluíram organização de pinos metálicos finos e manipulação e corte de abraçadeiras, todas exigindo precisão motora considerável.
Codex, Claude, Kimi: qual agente foi mais eficiente
O paper associado ao projeto, intitulado ENPIRE: Agentic Robot Policy Self-Improvement in the Real World, publicado pela Nvidia Research, traz resultados comparativos entre diferentes agentes de codificação utilizados como backbone do sistema. Os testes incluíram Codex com GPT-5.5, Claude Code com Opus 4.7 e Kimi Code com Kimi K2.6. A fonte não detalha os resultados individuais de cada modelo, mas a pesquisa conclui que escalar a frota de robôs tem impacto direto na velocidade de convergência: “oito robôs explorando em paralelo resolve a tarefa significativamente mais rápido do que um número menor”. A lógica é a mesma do treinamento distribuído em GPUs, mas aplicada ao espaço físico.
Fan ainda fez uma piada que diz bastante sobre a direção do projeto: o objetivo é treinar os robôs, todo mundo vai de férias, “e Jensen nem perceberia”. A brincadeira com o CEO Jensen Huang é leve, mas o subtexto é sério: o ENPIRE aponta para uma cadeia de produção onde agentes autônomos são capazes de aprender, iterar e executar tarefas físicas de precisão sem supervisão contínua. Para o mercado de robótica industrial, isso não é uma curiosidade de laboratório. É a fundação técnica de uma automação que aprende por conta própria, e a Nvidia já tem o hardware, o software e os modelos para construir isso em escala.
Fonte: Tom’s Hardware
Você também pode gostar dos artigos abaixo:
Illinois quer banir óculos inteligente ao volante — e pode abrir uma caixa de Pandora
Copa do Mundo 2026: conheça 5 incríveis inovações tecnológicas presentes no campeonato
