Поки більшість стартапів змагаються за те, щоб навчити модель відповідати точніше, Nvidia зробила ставку на інший рівень автономії: роботів, які самі пишуть собі код для виконання нових задач. Це не черговий реліз LoRA-адаптера — це зміна парадигми в тому, як ми уявляємо навчання машин.
Традиційно навчити робота новій навичці — складна інженерна задача. Команди витрачають місяці на телеоперацію, збір демонстраційних даних і імітаційне навчання. Nvidia Research пропонує іншу схему: AI-агент-кодер генерує програми поведінки прямо в процесі роботи, а робот їх виконує й дає зворотний зв'язок. Замкнений цикл без людини у петлі.
За даними The Decoder, дослідники продемонстрували роботів, здатних самостійно освоювати нові завдання через агентів штучного інтелекту, що генерують і тестують код у реальному часі. Це суттєво скорочує залежність від ручного програмування кожної окремої моделі поведінки.
Від жорсткого програмування до автогенерації навичок
Класичний pipeline навчання роботів виглядає так: людина-оператор виконує задачу (teleoperation), система записує траєкторії, потім модель навчається їх відтворювати. Надійно, але масштабується погано: кожна нова задача — новий цикл збору даних.
Підхід Nvidia змінює архітектуру. Замість того, щоб людина показувала «як», AI-агент генерує гіпотезу у вигляді коду, виконує її на реальному або симульованому роботі, отримує результат і ітерує. Це ближче до того, як людина вчиться методом спроб і помилок — тільки ітерацій за хвилину значно більше.
Ключовий компонент — code generation agent, який вміє:
- формулювати задачу у вигляді виконуваної програми;
- інтерпретувати сенсорний зворотний зв'язок від робота;
- коригувати код на основі результату виконання;
- накопичувати успішні стратегії у бібліотеку навичок для подальшого комбінування.
Фактично агент виступає одночасно і як програміст, і як QA-інженер.
Чому це складніше, ніж здається
На перший погляд схема нагадує reinforcement learning — і спорідненість справді є. Але класичний RL оперує числовими сигналами нагороди й навчається повільно у складних просторах дій. Агент-кодер привносить структуру: замість бездумного перебору параметрів він генерує смислові програми, які можна читати, дебагати і реюзати.
Проте виклики залишаються суттєвими:
- Верифікація безпеки — автоматично згенерований код може видавати небезпечні команди; потрібні sandbox-обмеження на рівні виконавчого середовища.
- Перенос між доменами — навичка, виучена в симуляторі, не завжди коректно переноситься на фізичний пристрій через sim-to-real gap.
- Вибухове зростання простору гіпотез — агент може генерувати код, що вирішує задачу технічно правильно, але нераціонально з погляду енергоспоживання чи часу виконання.
Nvidia Research явно усвідомлює ці обмеження — саме тому публікація позиціонується як дослідження, а не продуктовий анонс.
Практичне значення для AI-білдерів
Навіть якщо ви зараз далекі від робототехніки, ця робота стосується вас безпосередньо — вона демонструє зрілість підходу «агент, що пише і тестує код у замкненому циклі».
Кілька висновків для практиків:
- Code-as-policy стає мейнстримом. Замість навчання нейромережі апроксимувати поведінку, ви даєте агенту писати явний код. Це дебагабельно, версіоновано і пояснювано — три якості, яких бракує більшості end-to-end систем.
- Execution feedback loop — ваш новий датасет. Агент сам генерує навантаження, запускає, оцінює результат і накопичує сигнал. Це цінно в нішах, де людська анотація дорога або неможлива.
- Composable skills бібліотека. Успішно виучені програми поведінки зберігаються і комбінуються для складніших задач — так само, як toolset для агента в Anthropic API, але тут інструменти з'являються автоматично.
- Nvidia Isaac Lab як платформа. Дослідження базується на симуляційному середовищі Isaac Lab. Якщо ви думаєте про фізичних роботів або агентів у просторовому середовищі, це stack, за яким варто стежити вже зараз.
Для стартапів у сфері промислової автоматизації, логістики чи агрорободіки це може означати скорочення вартості онбордингу нових задач — з тижнів до годин.
Висновок AiiN
Nvidia Research показала, що code-generating агенти можуть виступати ефективним proxy для людської демонстрації. Поки до комерційного продукту ще далеко, напрямок визначено чітко: майбутні роботи не програмуватимуться людьми для кожної задачі — вони вчитимуть себе самі.
Для AI-білдерів важливо не пропустити головний меседж: замкнений цикл «генерація → виконання → зворотний зв'язок → корекція» працює і масштабується. Архітектурні патерни цього дослідження вже сьогодні застосовні до агентних систем, що автоматизують повторювані задачі у вашому продукті — незалежно від того, чи є у вас хоч один фізичний робот.