ENPIRE：8个Codex代理操控机器人舰队，含安全、奖励、遥测设计。

我把物理世界自动研究在概念上简化了，但这需要很多人的努力，以及对机器人和循环流程的大量设计思考。最难的部分是在按下回车键之前需要设置的一切。以下是幕后之旅：

1. 安全绳

让8个机器人无人值守过夜，意味着安全性不能只是系统提示中的一条暗示。ENPIRE通过两层硬连线实现：(1) 硬运动学限制，一旦机器人离开安全包络线，立即触发任务失败并自动重置；(2) 扭矩受限的柔性夹爪，使得不良接触或错位插入最终导致安全停止，而不是压碎机器人或手中的物体。

我们使安全性比通常更保守，这样人类可以睡得安心。实际上，我们仍然需要几个人类操作员来照看这些“恩典之机器人”。

2. /done 的定义

一个可以编辑自己奖励的智能体肯定会钻空子。ENPIRE在舰队能够移动目标之前固定了球门柱。方法如下：

收集几分钟的成功与失败演示
-> 让智能体使用计算机视觉工具编写代码来分类成功，并与真实数据对比
-> 智能体在分类器上爬山，直到可靠地良好
-> 该分类器成为实时奖励函数，直接计算传感器流
-> *冻结*奖励函数在自动研究之前。它是神圣的，被封装在一个无人能触碰的Gym环境中。

3. 系统遥测设计

机器人秒是最稀缺的资源，其次是GPU秒，最后是token。我们测量这三项，并将其展示给ENPIRE，以实现实时资源感知，而不是让它在真空中爬山。

我们定义：
- 平均机器人利用率（"MRU"）：机器人在主动执行实验的挂钟时间占比。否则硬件空闲等待下一次代码提交。
- 平均Token利用率（"MTU"）：每分钟消耗的token数量，衡量智能体实际思考的强度。低MTU意味着智能体停滞，等待机器人执行结果而不是进行研究。
- GPU利用率：GPU活跃的挂钟时间占比。

……并评估两个预算到成果的指标：

1. Token到成功：舰队完成/goal消耗的token预算。
2. 时间到成功：到达/goal的挂钟时间。