NVIDIA anuncia Newton: mecanismo de física de código aberto para simulação de robótica

Empresa de tecnologia NVIDIA revelou o Newton, um mecanismo de física extensível e de código aberto desenvolvido em colaboração com o Google DeepMind e a Disney Research, com o objetivo de aprimorar o aprendizado e o desenvolvimento de robôs.

Baseado no NVIDIA Warp, que permite que robôs aprendam tarefas complexas com maior precisão, o Newton foi projetado para funcionar perfeitamente com estruturas de aprendizado como MuJoCo Playground e NVIDIA Isaac Lab, uma plataforma de código aberto para aprendizado unificado de robôs.

Modelos físicos de IA permitem que robôs entendam, analisem, raciocinem e se envolvam com seus arredores de forma autônoma. O avanço da robótica depende muito de computação acelerada e simulações para desenvolver a próxima geração de sistemas robóticos. 

A física é essencial na simulação robótica, pois forma a base para a criação de modelos virtuais precisos que representam como os robôs se comportam e interagem em ambientes do mundo real. Por meio desses simuladores, pesquisadores e engenheiros são capazes de treinar, projetar, testar e validar algoritmos de controle e protótipos de forma segura, eficiente e econômica.

Newton foi projetado para dar suporte a toda a comunidade de robótica, permitindo que roboticistas usem, distribuam e contribuam livremente para seu desenvolvimento com pesquisas. Construído no NVIDIA Warp, uma biblioteca de aceleração CUDA-X, ele oferece aos desenvolvedores uma maneira eficiente de criar programas baseados em kernel e acelerados por GPU para simulação, IA, robótica e aprendizado de máquina (ML). Esta estrutura fornece recursos de alto desempenho para executar simulações baseadas em física, utilizando o poder de processamento paralelo de GPUs NVIDIA .

Uma característica notável do Newton é sua compatibilidade com Multi-Joint dynamics with Contact (MuJoCo), um mecanismo de física de código aberto estabelecido usado em pesquisa de robótica para modelar dinâmicas complexas e ambientes ricos em contato. Essa compatibilidade permite que os desenvolvedores reutilizem modelos e códigos existentes, reduzindo o tempo e os recursos necessários para adaptar aplicativos para diferentes mecanismos de física.

Além disso, o Google DeepMind introduziu o MuJoCo-Warp, um simulador de robótica de código aberto acelerado pelo NVIDIA Warp, que oferece melhorias de desempenho, alcançando uma aceleração de mais de 70x para simulações humanoides e uma aceleração de 100x para tarefas de manipulação manual. O MuJoCo-Warp será integrado como um mecanismo de física primário no Newton, oferecendo aos desenvolvedores desempenho e flexibilidade aprimorados para suas aplicações de robótica.

Mais recursos importantes do Newton: física diferenciável, extensibilidade e integração OpenUSD

Além disso, sua capacidade de propagar gradientes por meio de simulação introduz novas oportunidades para simulação e aprendizado de robótica. Simuladores diferenciáveis ​​são capazes de gerar resultados de modo direto enquanto também calculam gradientes de modo reverso de resultados de simulação, que podem então ser usados ​​para retropropagação para otimizar parâmetros do sistema.

À medida que o campo da robótica evolui, também evolui a complexidade e a variedade de cenários que precisam ser simulados. Newton foi projetado para ser altamente adaptável, suportando simulações multifísicas ricas onde robôs interagem com uma variedade de materiais, incluindo alimentos, tecidos e outros objetos deformáveis. Essa flexibilidade é habilitada por solucionadores personalizados, integradores e métodos numéricos. Newton também suporta o acoplamento de diferentes tipos de solucionadores, como demonstrado na integração de um solucionador de método de ponto de material (MPM) com dinâmica de corpo rígido para simular interações com areia.

Além disso, Newton alavanca a estrutura OpenUSD, que oferece um modelo de dados versátil e um mecanismo de composição que agrega os dados necessários para descrever robôs e seus ambientes. Solucionadores e tempos de execução personalizados podem ser especializados para recursos e ambientes robóticos específicos. Além disso, juntamente com a Disney Research, Google DeepMind, Intrinsic e NVIDIA Newton está ajudando a define uma estrutura de ativos OpenUSD para robótica. Esta estrutura visa padronizar fluxos de trabalho robóticos adotando as melhores práticas dentro do OpenUSD, criando um pipeline de dados unificado que fornece uma linguagem comum para todas as fontes de dados em robótica.