NVIDIA anuncia Newton: motor de física de código abierto para simulación robótica

Empresa de tecnología NVIDIA ha presentado Newton, un motor de física extensible y de código abierto desarrollado en colaboración con Google DeepMind y Disney Research, destinado a mejorar el aprendizaje y el desarrollo de los robots.

Basado en NVIDIA Warp, que permite a los robots aprender tareas complejas con mayor precisión, Newton está diseñado para funcionar perfectamente con marcos de aprendizaje como MuJoCo Playground y NVIDIA Isaac Lab, una plataforma de código abierto para el aprendizaje unificado de robots.

Los modelos físicos de IA permiten a los robots comprender, analizar, razonar e interactuar con su entorno de forma autónoma. El avance de la robótica depende en gran medida de la computación acelerada y las simulaciones para desarrollar la próxima generación de sistemas robóticos. 

La física es esencial en la simulación robótica, ya que constituye la base para crear modelos virtuales precisos que representan el comportamiento e interacción de los robots en entornos reales. Mediante estos simuladores, investigadores e ingenieros pueden entrenar, diseñar, probar y validar algoritmos de control y prototipos de forma segura, eficiente y rentable.

Newton está diseñado para apoyar a toda la comunidad robótica, permitiendo a los expertos en robótica usar, distribuir y contribuir libremente a su desarrollo mediante la investigación. Desarrollado sobre NVIDIA Warp, una biblioteca de aceleración CUDA-X, ofrece a los desarrolladores una forma eficiente de crear programas basados ​​en kernel y acelerados por GPU para simulación, IA, robótica y aprendizaje automático (ML). Este marco proporciona capacidades de alto rendimiento para ejecutar simulaciones basadas en la física, aprovechando la potencia de procesamiento paralelo de... GPU NVIDIA .

Una característica destacada de Newton es su compatibilidad con Multi-Joint Dynamics with Contact (MuJoCo), un motor de física de código abierto consolidado que se utiliza en la investigación robótica para modelar dinámicas complejas y entornos con alto nivel de contacto. Esta compatibilidad permite a los desarrolladores reutilizar modelos y código existentes, lo que reduce el tiempo y los recursos necesarios para adaptar las aplicaciones a diferentes motores de física.

Además, Google DeepMind ha presentado MuJoCo-Warp, un simulador de robótica de código abierto acelerado por NVIDIA Warp, que ofrece mejoras de rendimiento, alcanzando una aceleración de más de 70 veces en simulaciones humanoides y de 100 veces en tareas de manipulación manual. MuJoCo-Warp se integrará como motor de física principal en Newton, ofreciendo a los desarrolladores un mayor rendimiento y flexibilidad para sus aplicaciones robóticas.

Más características clave de Newton: física diferenciable, extensibilidad e integración con OpenUSD

Además, su capacidad para propagar gradientes mediante simulación abre nuevas oportunidades para la simulación y el aprendizaje de la robótica. Los simuladores diferenciables pueden generar resultados en modo directo y calcular gradientes en modo inverso de los resultados de la simulación, que posteriormente pueden utilizarse para la retropropagación y optimizar los parámetros del sistema.

A medida que evoluciona el campo de la robótica, también lo hace la complejidad y variedad de escenarios que requieren simulación. Newton está diseñado para una gran adaptabilidad, lo que permite realizar simulaciones multifísicas complejas donde los robots interactúan con diversos materiales, como alimentos, telas y otros objetos deformables. Esta flexibilidad se logra mediante solucionadores personalizados, integradores y métodos numéricos. Newton también permite acoplar diferentes tipos de solucionadores, como se demuestra en la integración de un solucionador de método de punto material (MPM) con la dinámica de cuerpos rígidos para simular interacciones con arena.

Además, Newton aprovecha el marco OpenUSD, que ofrece un modelo de datos versátil y un motor de composición que agrega los datos necesarios para describir los robots y sus entornos. Los solucionadores y tiempos de ejecución personalizados pueden especializarse para capacidades y entornos robóticos específicos. Además, junto con Disney Research, Google DeepMind, Intrinsic y NVIDIA Newton está ayudando a defiUna estructura de activos de OpenUSD para robótica. Esta estructura busca estandarizar los flujos de trabajo robóticos mediante la adopción de las mejores prácticas de OpenUSD, creando un flujo de datos unificado que proporciona un lenguaje común para todas las fuentes de datos en robótica.