我们正经历着机器人领域的史无前例的时刻。前沿能力几乎每天都在进步，得益于基础模型、更强大的计算能力、更丰富的传感器、更好的模拟器和新型机器人平台的爆炸式增长。但是，将任何一种技术转化为可靠执行实际任务的系统，仍然需要大量的手动工程：团队必须整合硬件、校准传感器、构建模拟环境、收集和清洗数据、调整感知和控制回路、设计评估、诊断硬件故障，并重复整个循环，直到系统工作。能力越来越丰富。但稀缺的是可靠部署这些技术的知识。构建可重复的、自动化的部署工作流程需要将这些能力带入一个共同的环境，并提炼出今天存在于专业机器人团队内部的工程知识。

一个可以与现代软件工程相提并论的是，结合强大模型和正确约束以及可验证反馈的强度已经引发了一个范式转变。《编码约束》使代理能够访问存储库、工具、执行反馈以及迭代修改其工作的能力。《这些约束的关键组成部分是可扩展、可验证的反馈：》测试、编译器和基准测试使客观评估输出并将这些评估转化为改进模型本身的学习信号成为可能。这个反馈循环已经帮助软件工程成为现代人工智能最明显的成功故事之一。

机器人需要自己的工具集，在过去几个月里，我们已经将它们集成到 GRID 中。它们为代理提供了理解和机器人能力所需的工具和反馈，创造了学习所需的经验，发展技能，并使这些技能在现实世界中可靠地工作。它们共同构成了一个封闭的工程循环。当任务需要 GRID 目前还无法做到的事情时，代理构建这种能力并将其添加回平台。

我们称之为《自动工程》。

两年前，我们着手在一个可编程系统中捕捉机器人工程的全貌。我们集中精力，最终在单一仓库中整合了 50 多个 OEM 机器人、数百种模型以及感知、控制、规划、强化学习和模仿学习、分布式推理、模拟和部署的现代工作流程，几乎覆盖了所有机器人形态。

自动化工程使 GRID 单一代码库发挥作用并使其复合。随着物理人工智能的进步，GRID 吸收每个新的模型、算法、模拟器和技术，将每一次进步转化为其代理可以构建的更多能力。自动化工程解决的每个问题都扩展了它接下来可以解决的问题范围。