Nvidia libera framework ENPIRE como open-source para robôs autônomos treinados por IA

O ENPIRE não é só mais um framework de robótica: é o primeiro sistema aberto que fecha o ciclo completo de pesquisa física com IA, do planejamento de experimentos à correção autônoma de falhas, passando por avaliação em múltiplos robôs reais em paralelo. Ele opera com quatro módulos integrados (Environment, Policy Improvement, Rollout, Evolution), permitindo que agentes como GPT-5.5 ou Claude Opus 4.7 não apenas escrevam código, mas interpretem logs, leiam papers, reestruturem pipelines de treinamento e ajustem políticas de manipulação em tempo real, tudo sem intervenção humana entre ciclos.

Isso vai além do que a Nvidia já mostrou com o Cosmos 3 (lançado em 2 de junho) e o JetPack 7.2 para Jetson (6 de junho): enquanto Cosmos é o cérebro multimodal da Physical AI e o JetPack é o sistema operacional embarcado, o ENPIRE é o 'diretor de laboratório', o agente que orquestra a própria ciência robótica. E ele se conecta diretamente ao Isaac GR00T Reference Humanoid Robot (parceria Unitree, 31 de maio), pois foi projetado para rodar nesse ecossistema: Jetson Thor + Blackwell + Omniverse.

A cobertura anterior da CEVIU (7 a 16 de junho) destacou avanços isolados: modelos de grasping, agentes para veículos autônomos, óculos AR com XR AI e o foundation model Cosmos 3. O ENPIRE é a primeira peça que integra todos esses elementos num fluxo unificado, e agora aberto. Antes, a IA física da Nvidia era uma coleção de ferramentas especializadas; agora, é um processo autocontido, replicável e acessível. O rumor de 'laboratórios autônomos em casa' virou realidade prática com o release open-source de hoje: o código está no GitHub, os notebooks de demonstração usam braços robóticos acessíveis (como o Franka Emika Panda), e o suporte a ROS 2 (58% do mercado em 2026) está nativo.

Porque muda quem pode fazer pesquisa em robótica. Hoje, treinar um robô para inserir GPU exige equipe de PhDs, infraestrutura cara e meses de iteração. Com o ENPIRE, um estudante de engenharia pode rodar o mesmo pipeline em casa com um braço robótico + Jetson Orin + acesso a API de LLM, e obter 99% de acerto na tarefa Push-T em menos de duas horas. Isso não substitui humanos, mas redistribui o trabalho: pesquisadores deixam de depurar código de controle e passam a definir objetivos, avaliar ética de ações físicas e interpretar resultados. É o salto de 'IA que controla robôs' para 'IA que faz ciência com robôs', e agora qualquer um pode entrar nessa linha de frente.