NVIDIA 宣布推出 Newton：用于机器人模拟的开源物理引擎

科技公司英伟达已经推出牛顿，这是一个与谷歌深度学习和迪士尼研究院合作开发的开源可扩展物理引擎，旨在提升机器人学习和发展。

基于英伟达Warp，该引擎允许机器人以更高的精度学习复杂任务，牛顿被设计为能与MuJoCo Playground和英伟达Isaac Lab等学习框架无缝协作，后者是一个用于统一机器人学习的开源平台。

物理人工智能模型使机器人能够自主理解、分析、推理和与周围环境互动。机器人技术的进步高度依赖于加速计算和模拟，以开发下一代机器人系统。

物理学在机器人模拟中至关重要，因为它构成了创建准确虚拟模型的基础，这些模型展示了机器人在现实世界环境中的行为和交互方式。通过这些模拟器，研究人员和工程师能够以安全、高效和经济的方式训练、设计、测试和验证控制算法和原型。

牛顿旨在支持整个机器人社区，允许机器人研究者自由使用、分发和为其研究做出贡献。基于英伟达Warp（一个CUDA-X加速库），它为开发者提供了一种高效的方式来创建用于模拟、人工智能、机器人和机器学习的GPU加速内核程序。该框架利用英伟达GPU的并行处理能力，提供高性能的物理模拟功能。

牛顿的一个显著特点是与多关节动力学与接触（MuJoCo）兼容，这是一个在机器人研究中用于建模复杂动力学和接触丰富环境的成熟开源物理引擎。这种兼容性使开发者能够重复使用现有模型和代码，减少为不同物理引擎调整应用程序所需的时间和资源。

此外，谷歌深度学习还推出了MuJoCo-Warp，这是一个由英伟达Warp加速的开源机器人模拟器，其性能有了显著提升，在人形模拟中实现了70倍以上的加速，在手部操作任务中实现了100倍的加速。MuJoCo-Warp将作为牛顿的主要物理引擎，为开发者的机器人应用提供更高的性能和灵活性。

牛顿的更多关键特性：可微分物理、可扩展性和OpenUSD集成

此外，其通过模拟传播梯度的能力为机器人模拟和学习带来了新的机遇。可微分模拟器能够生成正向模式结果，同时还能计算模拟结果的反向模式梯度，这些梯度可用于反向传播以优化系统参数。

随着机器人领域的发展，需要模拟的场景复杂性和多样性也在不断增加。牛顿被设计为高度适应性的，支持丰富的多物理场景模拟，机器人可以与各种材料互动，包括食物、布料和其他可变形物体。这种灵活性通过定制求解器、积分器和数值方法实现。牛顿还支持耦合不同类型的求解器，例如将材料点法（MPM）求解器与刚体动力学相结合，以模拟与沙子的相互作用。

此外，牛顿利用OpenUSD框架，该框架提供了一个多功能的数据模型和组合引擎，可聚合描述机器人及其环境所需的必要数据。定制求解器和运行时可以专门用于特定的机器人功能和环境。同时，在迪士尼研究院、谷歌深度学习、Intrinsic和英伟达的共同努力下，牛顿正帮助为机器人定义OpenUSD资产结构。这一结构旨在通过采用OpenUSD中的最佳实践来标准化机器人工作流程，创建一个统一的数据管道，为机器人领域的所有数据源提供一种通用语言。

本文最初发表于元宇宙邮报。