ENPIRE

让 AI 智能体在真机上自己试错改代码，把机器人策略越跑越强

ENPIRE 是一个面向机器人策略自动改进的智能体框架。它把 AI 编码智能体与真实机器人硬件连接起来，让智能体在物理世界中反复执行任务、观察结果、分析失败原因，并自动修改机器人策略代码，形成“试验—报错—进化”的闭环。传统机器人策略调优依赖人工反复调试和大量真机试错，成本高、周期长；ENPIRE 试图用编码智能体替代这部分人工劳动，让策略在真实环境中自主迭代。核心能力包括：闭环物理试验管理、失败归因与代码级修复、策略版本进化与筛选，以及面向真实机器人任务的自动化评测。项目用 Python 实现，当前处于早期阶段，适合研究者和机器人团队探索“AI 自主改进物理策略”这一方向。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 203

维护状态较活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队NVlabs

所属国家

官网地址https://research.nvidia.com/labs/gear/enpire

GitHubhttps://github.com/NVlabs/ENPIRE

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型

GitHub 星标★ 203

30天Star增速

HF 下载量

上线时间2026-07-22 00:00:00

最近更新2026-09-18 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-13

浏览次数0

使用教程

核心亮点

把编码智能体接入真实机器人闭环，能自动根据物理试验结果修改策略代码，而非只做仿真调参
强调真实世界 trial-and-error，覆盖失败归因、代码修复、策略进化完整链路，思路较完整
基于 Python，便于与现有机器人学习/控制代码栈集成，研究者可较快复现和扩展

不足之处

项目处于早期，星标仅 143，生态、文档和社区案例有限
真实机器人闭环依赖硬件与安全机制，复现门槛和调试成本较高

适用场景

研究团队探索用编码智能体自动优化真实机器人操作策略
机器人实验室搭建物理试错闭环，减少人工调参和改代码时间
教学或原型验证中，演示 AI 智能体自主改进物理任务策略的流程

替代项目

Voyager、Eureka、DrEureka

项目介绍

ENPIRE 是一个智能体领域的开源项目，官方简介：ENPIRE is an agentic framework that allows AI coding agents to autonomously self-improve real-world robot policies through closed-loop physical trial, error, and evolution。项目使用 Python 开发，在 GitHub 上获得 143 星标。

上一篇：Cellium-Agent

下一篇：cockpit-agent-sim