Kamino: GPU-based Simulation of Rigid Multi-Body Physics with Kinematic Loops

Autoren: Vassilios Tsounis, Guirec Maloisel, Christian Schumacher, Ruben Grandia, Agon Serifi, David Müller, Chris Amevor, Tobias Widmer, Moritz Bächer · CoRL 2026

Lizenzen

• Open Access
• Paper: arXiv.org perpetual, non-exclusive license 1.0

Gemäß der Lizenz von arXiv beruht alles Folgende nur auf dem Abstract.

Warum es wichtig ist

Roboter mit stark gekoppelten Zwangsbedingungen wie kinematischen Schleifen werden üblicherweise als kinematische Bäume mit zusätzlichen Schleifenschluss-Bedingungen oder Mimic-Gelenken angenähert. Kamino unterstützt diese Kopplungen nativ und simuliert strukturell unterschiedliche Roboter in einem Batch; die Autoren trainieren eine Geh-Policy für einen Zweibeiner mit sechs verschachtelten kinematischen Schleifen mit 4.096 parallelen Umgebungen auf einer einzigen GPU.

Lösungsansatz

Kamino berechnet Zwangskräfte mit einer ADMM-basierten Optimierung unter Nebenbedingungen, die die Vorwärtsdynamik starrer Mehrkörpersysteme als nichtlineares Komplementaritätsproblem löst, Kontakte ohne vereinfachte oder konvexifizierte Modelle auflöst und im Batch verarbeitete heterogene Welten auf der GPU ausführt.

Zusammenfassung

Wir stellen Kamino vor, einen GPU-basierten Physik-Solver für massiv parallele Simulationen heterogener, stark gekoppelter mechanischer Systeme. In Python mit NVIDIA Warp implementiert und in das Newton-Framework integriert, ermöglicht er die Anwendung datengetriebener Methoden wie groß angelegtem Reinforcement Learning auf komplexe Robotersysteme mit stark gekoppelten kinematischen und dynamischen Zwangsbedingungen wie kinematischen Schleifen. Letztere werden oft umgangen, indem die Topologie des Systems als kinematischer Baum angenähert wird und explizite Schleifenschluss-Bedingungen oder sogenannte Mimic-Gelenke hinzugefügt werden. Kamino will diese Last verringern, indem es solche Kopplungen nativ unterstützt. Darüber hinaus unterstützt Kamino heterogene Welten und erlaubt so die gebündelte Simulation strukturell unterschiedlicher Roboter auf einer einzigen GPU. Im Kern steht ein Algorithmus für restringierte Optimierung nach dem Stand der Technik, der auf ADMM beruht und Zwangskräfte berechnet, indem er die restringierte Vorwärtsdynamik starrer Mehrkörpersysteme, formuliert als nichtlineares Komplementaritätsproblem, löst. Das führt zu Simulationen hoher Wiedergabetreue, die die Kontaktdynamik auflösen, ohne auf Näherungsmodelle zurückzugreifen, die das Problem vereinfachen oder konvexifizieren. Wir demonstrieren das Training einer RL-Policy an einem Zweibeiner mit sechs verschachtelten kinematischen Schleifen und erzeugen eine funktionsfähige Laufpolicy, während 4.096 parallele Umgebungen auf einer einzigen GPU simuliert werden.

Links

• arXiv 2603.16536: https://arxiv.org/abs/2603.16536
• PDF: https://arxiv.org/pdf/2603.16536
• Code: https://github.com/newton-physics/newton/tree/main/newton/_src/solvers/kamino
• Projektseite: https://kamino.disneyresearch.com/