NVIDIA 宣布推出 Newton：用於機器人模擬的開源實體引擎

科技公司 NVIDIA 推出了與 Google DeepMind 和迪士尼研究中心合作開發的開源可擴展實體引擎 Newton，旨在增強機器人的學習和發展。

Newton 基於 NVIDIA Warp，可協助機器人以更高的準確度學習複雜任務，並可與 MuJoCo Playground 和 NVIDIA Isaac Lab 等學習框架無縫協作，後者是一個統一機器人學習的開源平台。

物理 AI 模型使機器人能夠自主理解、分析、推理和與周圍環境互動。機器人技術的進步在很大程度上依賴加速運算和模擬來開發下一代機器人系統。 

物理學在機器人模擬中至關重要，因為它構成了創建精確虛擬模型的基礎，這些模型代表了機器人在現實環境中的行為和互動方式。透過這些模擬器，研究人員和工程師能夠以安全、高效且經濟的方式訓練、設計、測試和驗證控制演算法和原型。

Newton 旨在支援整個機器人社區，讓機器人專家可以自由使用、分發並透過研究促進其發展。它基於 CUDA-X 加速庫 NVIDIA Warp 構建，為開發人員提供了一種高效的方式來創建用於模擬、人工智慧、機器人和機器學習 (ML) 的 GPU 加速、基於核心的程式。該框架利用平行處理能力，為運行基於物理的模擬提供了高性能能力 NVIDIA GPU .

Newton 的一個顯著特點是它與接觸多關節動力學（MuJoCo）相容，MuJoCo 是一種成熟的開源物理引擎，用於機器人研究中對複雜動力學和接觸豐富的環境進行建模。這種相容性允許開發人員重複使用現有的模型和程式碼，從而減少了使應用程式適應不同實體引擎所需的時間和資源。

此外，Google DeepMind 還推出了由 NVIDIA Warp 加速的開源機器人模擬器 MuJoCo-Warp，它可提高效能，使人形模擬的速度提高了 70 倍以上，手部操作任務的速度提高了 100 倍。 MuJoCo-Warp 將作為 Newton 的主要物理引擎集成，為開發人員的機器人應用程式提供增強的性能和靈活性。

Newton 的更多關鍵特性：可微分物理、可擴展性和 OpenUSD 集成

此外，其透過模擬傳播梯度的能力為機器人模擬和學習帶來了新的機會。可微分模擬器能夠產生前向模式結果，同時計算模擬結果的反向模式梯度，然後可用於反向傳播以最佳化系統參數。

隨著機器人領域的發展，需要模擬的場景的複雜性和多樣性也不斷增加。 Newton 的設計具有高度適應性，支援豐富的多物理模擬，其中機器人可以與各種材料（包括食物、布料和其他可變形物體）互動。這種靈活性是由自訂求解器、積分器和數值方法實現的。牛頓也支援耦合不同類型的解算器，如將物質點法 (MPM) 解算器與剛體動力學結合以模擬與沙子的相互作用所證明的那樣。

此外，Newton 利用 OpenUSD 框架，該框架提供了一個多功能資料模型和組合引擎，可以匯總描述機器人及其環境所需的資料。客製化解算器和運行時可以針對特定的機器人功能和環境進行專門化。此外，與迪士尼研究院、Google DeepMind、Intrinsic 和 NVIDIA ，牛頓正在幫助 defi為機器人技術建立 OpenUSD 資產結構。該結構旨在透過採用 OpenUSD 中的最佳實踐來標準化機器人工作流程，創建統一的資料管道，為機器人技術中的所有資料來源提供通用語言。