NVIDIA công bố Newton: Công cụ vật lý nguồn mở cho mô phỏng robot

Công ty công nghệ NVIDIA đã công bố Newton, một công cụ vật lý mã nguồn mở và có thể mở rộng được phát triển với sự hợp tác của Google DeepMind và Disney Research, nhằm mục đích nâng cao khả năng học tập và phát triển của robot.

Dựa trên NVIDIA Warp, cho phép robot học các nhiệm vụ phức tạp với độ chính xác cao hơn, Newton được thiết kế để hoạt động liền mạch với các khuôn khổ học tập như MuJoCo Playground và NVIDIA Isaac Lab, một nền tảng nguồn mở dành cho việc học tập thống nhất của robot.

Các mô hình AI vật lý cho phép robot tự động hiểu, phân tích, lý luận và tương tác với môi trường xung quanh. Sự tiến bộ của robot phụ thuộc rất nhiều vào tính toán và mô phỏng tăng tốc để phát triển thế hệ hệ thống robot tiếp theo. 

Vật lý là yếu tố thiết yếu trong mô phỏng robot, vì nó tạo thành cơ sở để tạo ra các mô hình ảo chính xác thể hiện cách robot hoạt động và tương tác trong môi trường thực tế. Thông qua các trình mô phỏng này, các nhà nghiên cứu và kỹ sư có thể đào tạo, thiết kế, thử nghiệm và xác thực các thuật toán điều khiển và nguyên mẫu theo cách an toàn, hiệu quả và tiết kiệm chi phí.

Newton được thiết kế để hỗ trợ toàn bộ cộng đồng robot, cho phép các nhà nghiên cứu robot tự do sử dụng, phân phối và đóng góp vào quá trình phát triển của nó thông qua nghiên cứu. Được xây dựng trên NVIDIA Warp, một thư viện tăng tốc CUDA-X, nó cung cấp cho các nhà phát triển một cách hiệu quả để tạo ra các chương trình dựa trên nhân được tăng tốc bằng GPU cho mô phỏng, AI, robot và máy học (ML). Khung này cung cấp các khả năng hiệu suất cao để chạy các mô phỏng dựa trên vật lý, sử dụng sức mạnh xử lý song song của GPU NVIDIA .

Một tính năng đáng chú ý của Newton là khả năng tương thích với Multi-Joint dynamics with Contact (MuJoCo), một công cụ vật lý nguồn mở đã được thiết lập được sử dụng trong nghiên cứu robot để mô hình hóa động lực phức tạp và môi trường giàu tiếp xúc. Khả năng tương thích này cho phép các nhà phát triển tái sử dụng các mô hình và mã hiện có, giảm thời gian và tài nguyên cần thiết để điều chỉnh các ứng dụng cho các công cụ vật lý khác nhau.

Ngoài ra, Google DeepMind đã giới thiệu MuJoCo-Warp, một trình mô phỏng robot mã nguồn mở được tăng tốc bởi NVIDIA Warp, mang lại những cải tiến về hiệu suất, đạt tốc độ tăng hơn 70 lần cho các mô phỏng hình người và tăng tốc 100 lần cho các tác vụ thao tác bằng tay. MuJoCo-Warp sẽ được tích hợp như một công cụ vật lý chính trong Newton, cung cấp cho các nhà phát triển hiệu suất và tính linh hoạt được cải thiện cho các ứng dụng robot của họ.

Các tính năng chính khác của Newton: Vật lý khả vi, khả năng mở rộng và tích hợp OpenUSD

Hơn nữa, khả năng truyền bá gradient thông qua mô phỏng mở ra những cơ hội mới cho mô phỏng và học tập robot. Các trình mô phỏng có thể phân biệt có khả năng tạo ra kết quả chế độ chuyển tiếp trong khi cũng tính toán gradient chế độ ngược của kết quả mô phỏng, sau đó có thể được sử dụng để truyền ngược để tối ưu hóa các tham số hệ thống.

Khi lĩnh vực robot phát triển, sự phức tạp và đa dạng của các kịch bản cần được mô phỏng cũng phát triển theo. Newton được thiết kế để có khả năng thích ứng cao, hỗ trợ các mô phỏng đa vật lý phong phú, trong đó robot tương tác với nhiều loại vật liệu, bao gồm thực phẩm, vải và các vật thể biến dạng khác. Tính linh hoạt này được hỗ trợ bởi các bộ giải tùy chỉnh, bộ tích hợp và các phương pháp số. Newton cũng hỗ trợ ghép nối các loại bộ giải khác nhau, như đã chứng minh trong việc tích hợp bộ giải phương pháp điểm vật liệu (MPM) với động lực học vật thể rắn để mô phỏng các tương tác với cát.

Hơn nữa, Newton tận dụng khuôn khổ OpenUSD, cung cấp mô hình dữ liệu đa năng và công cụ tổng hợp dữ liệu cần thiết để mô tả robot và môi trường của chúng. Các trình giải quyết và thời gian chạy tùy chỉnh có thể được chuyên biệt hóa cho các khả năng và môi trường robot cụ thể. Hơn nữa, cùng với Disney Research, Google DeepMind, Intrinsic và NVIDIA , Newton đang giúp đỡ define là cấu trúc tài sản OpenUSD dành cho robot. Cấu trúc này nhằm mục đích chuẩn hóa quy trình làm việc của robot bằng cách áp dụng các biện pháp thực hành tốt nhất trong OpenUSD, tạo ra một đường ống dữ liệu thống nhất cung cấp ngôn ngữ chung cho tất cả các nguồn dữ liệu trong robot.