// TOM'S HARDWARE ITALIA — HARDWARE & GADGET
NVIDIA mostra robot AI capaci di montare GPU senza aiuto
NVIDIA ha mostrato un sistema di robot capaci di imparare compiti fisici complessi senza una sequenza preprogrammata passo per passo. Il fatto nuovo è concreto: nella demo del progetto ENPIRE, una flotta di bracci robotici riesce anche a prendere una scheda grafica, allinearla allo slot della motherboard e inserirla autonomamente, un'operazione banale per un tecnico esperto ma delicata per una macchina.
Il punto non è soltanto il montaggio di una GPU, ma il metodo usato per arrivarci. I robot agentici lavorano in un ciclo di prova, errore e correzione: eseguono il compito, raccolgono dati, analizzano i fallimenti e modificano il codice della policy di controllo. In pratica, la ricerca sulla robotica viene trattata come un processo iterativo gestito da agenti software, con feedback proveniente direttamente dall'hardware reale.
Nella dimostrazione si vede il caso GPU insertion: un braccio manipola la scheda, un altro la posiziona davanti alla motherboard e il sistema cerca l'allineamento corretto prima di esercitare pressione. L'operazione richiede percezione visiva, controllo fine del movimento e capacità di verificare se l'inserimento è andato a buon fine, perché lo slot non perdona errori grossolani.
Il sistema descritto da NVIDIA prevede 8 agenti Codex al lavoro su una flotta di robot, con GPU dedicate e un budget di token per esplorare soluzioni diverse. La logica è vicina a quella vista nelle applicazioni AI XR per fabbriche e ospedali: portare l'intelligenza artificiale fuori dallo schermo, dentro ambienti dove percezione, simulazione e controllo devono chiudere il cerchio sul mondo fisico.
ENPIRE è strutturato attorno a quattro moduli: ambiente, miglioramento della policy, rollout ed evoluzione. L'ambiente prepara e verifica le prove, il modulo di policy genera nuove strategie, il rollout misura i risultati su uno o più robot e l'evoluzione seleziona le modifiche utili. Nel caso della scheda grafica, il sistema deve gestire anche il riferimento fisico dello slot PCIe, non solo un obiettivo astratto in simulazione.
Due elementi rendono interessante il progetto sul piano tecnico: auto-reset e auto-verifica. Dopo ogni tentativo, la scena deve tornare a uno stato iniziale controllato e il sistema deve stabilire se il risultato è corretto, senza intervento umano continuo. È questo passaggio a trasformare la robotica da esercizio dimostrativo a piattaforma sperimentale ripetibile.
Le prestazioni dichiarate arrivano fino al 99% di successo pass@8 su diversi compiti di manipolazione, tra cui organizzazione di pin, taglio di fascette e inserimento della GPU. Resta una ricerca, non una linea produttiva pronta per sostituire assemblatori o macchine industriali dedicate, ma indica una direzione chiara: le policy robotiche possono essere migliorate da agenti che leggono log, consultano letteratura tecnica e sperimentano direttamente sui robot.
La parte più rilevante, per l'ecosistema hardware, è che questa IA fisica sposta il valore dell'AI dal calcolo puro alla capacità di agire su componenti reali. Se il modello regge su compiti più vari e meno controllati, potrebbe diventare uno strumento per accelerare ricerca, validazione e automazione in laboratorio, non soltanto per mostrare una GPU che entra nello slot giusto.