Open Source Robotics

Una colección curada de proyectos, herramientas y software de robótica de código abierto de alta calidad.

Newton

Motor de física abierto en GPU para robótica, con Kamino para mecanismos de lazo cerrado

Licencia

  • code: Apache 2.0
  • documentation: CC BY 4.0

Código: Apache-2.0, según LICENSE.md en newton-physics/newton y los metadatos del paquete en PyPI. Documentación: CC BY 4.0, según indica el README. Los modelos de robots y las escenas se descargan aparte desde el repositorio newton-assets y conservan sus propias licencias, en su mayoría Apache-2.0, BSD o MIT; los recursos DR Legs y el mecanismo de prueba de Disney Research, que usan dos ejemplos de Kamino, solo pueden usarse para investigación o desarrollo de software. Comprobado el 2026-11-08 con LICENSE.md, el README, PyPI y los archivos de licencia de los recursos.

Resumen

Newton es un motor de física de código abierto para investigación en robótica y simulación que se ejecuta en la GPU. Lo iniciaron Disney Research, Google DeepMind y NVIDIA y hoy es un proyecto de la Linux Foundation; está construido sobre NVIDIA Warp y usa MuJoCo Warp como backend principal de sólidos rígidos. Una sola API de Python da acceso a varios solvers, para robots rígidos, tela, cables, cuerpos blandos y materiales granulares, y los robots se cargan desde archivos URDF, MJCF u OpenUSD. Isaac Lab puede usar Newton como backend de física para el aprendizaje por refuerzo. Su solver Kamino, de Disney Research y presentado en CoRL 2026, simula robots con lazos cinemáticos cerrados, como patas paralelas y mecanismos de cuatro barras, directamente en la GPU en lugar de aproximarlos como un árbol. Newton tiene licencia Apache-2.0 y se instala desde PyPI.

Newton es un motor de física en GPU para robotistas e investigadores de simulación. Lo iniciaron Disney Research, Google DeepMind y NVIDIA, y en 2025 fue cedido a la Linux Foundation, que hoy lo aloja con una gobernanza abierta. Newton está escrito en Python sobre NVIDIA Warp, que compila kernels de Python para la GPU, y nació del antiguo módulo de simulación de Warp. Su backend principal de sólidos rígidos es MuJoCo Warp, la versión para GPU de MuJoCo que desarrollan juntos Google DeepMind y NVIDIA.

La idea es un solo modelo y un solo bucle de simulación con solvers intercambiables. Los robots se construyen en Python o se importan desde archivos URDF, MJCF u OpenUSD, y el mismo modelo puede avanzarse con el solver de MuJoCo, con los solvers Featherstone, XPBD o semiimplícito para cuerpos articulados, con VBD para tela, cables y cuerpos blandos, con un solver MPM implícito para arena, nieve y otros materiales granulares, con Style3D para prendas o con Kamino. Se pueden acoplar varios solvers en una misma escena, algunos admiten simulación diferenciable para optimización basada en gradientes, y el motor incluye detección de colisiones, sensores como cámaras y unidades de medición inercial (IMU), cinemática inversa y visores que funcionan en el escritorio o en el navegador. Se instala con pip e incluye más de cien ejemplos ejecutables, desde péndulos y cuadrúpedos que caminan hasta tela y flujos granulares. Isaac Lab puede ejecutar sus entornos sobre Newton además de sobre PhysX, de modo que las tareas de aprendizaje por refuerzo escritas para Isaac Lab pueden usar los solvers de Newton; entre los proyectos de la comunidad que lo usan está RoboSimStudio.

Kamino: lazos cinemáticos cerrados en la GPU

La mayoría de los simuladores en GPU usados para aprendizaje por refuerzo suponen que un robot es un árbol cinemático. Muchos mecanismos reales no lo son: las patas paralelas, los mecanismos de cuatro barras en rodillas y pinzas y los brazos robóticos paralelos forman lazos cerrados, y normalmente se simulan cortando cada lazo para obtener un árbol y añadiendo una restricción de cierre o una articulación mimic, lo que exige ajustes y puede cambiar cómo se comporta el robot. Kamino, desarrollado en Disney Research en Zúrich junto con NVIDIA y descrito en un artículo de CoRL 2026, es un solver de Newton que simula estos mecanismos tal como son. Cada cuerpo conserva su propia pose; las articulaciones, los límites articulares y los contactos con fricción se resuelven juntos como restricciones rígidas con un método ADMM proximal, y un solver de cinemática directa (forward kinematics) coloca los robots de lazo cerrado en una pose coherente cuando se reinicia un episodio. Además, los mundos paralelos en la GPU pueden contener robots distintos, de modo que una política puede entrenarse a la vez sobre varias formas de cuerpo.

En el artículo, Kamino entrenó una política de marcha para DR Legs, un bípedo con seis lazos cinemáticos anidados, usando 4.096 entornos paralelos en una sola GPU; en pruebas elementales con soluciones analíticas conocidas, como una caja que se desliza, una pelota que rebota y un mecanismo de cuatro barras, las reprodujo con pocos ajustes, mientras que los solvers MuJoCo Warp y XPBD necesitaron ajustes o mostraron penetración, bamboleo o deslizamiento prematuro. Los autores también entrenaron en Kamino políticas para los robots BDX y Olaf de Disney y afirman que se transfirieron a los robots físicos (sim-to-real). Kamino se selecciona como cualquier otro solver de Newton, el modelo DR Legs y un mecanismo de cuatro barras están entre sus ejemplos, y la guía de Kamino explica sus tres backends de dinámica.

Por qué importa

Newton es una capa de física que Disney Research, Google DeepMind y NVIDIA construyen juntos y en abierto, con gobernanza neutral, en lugar de mantener cada uno un motor propio. Para un investigador significa un único paquete de Python con licencia Apache-2.0 donde el solver para GPU de MuJoCo, solvers de tela, cables y materiales granulares y solvers de investigación más recientes están detrás de una sola interfaz, e Isaac Lab puede entrenar sobre él sin una instalación completa de Isaac Sim. Se sitúa junto a Genesis, otro motor en GPU con muchos solvers, y a mjlab, que pone la API de Isaac Lab solo sobre MuJoCo Warp. Kamino añade soporte nativo para mecanismos de lazo cerrado: los robots que los tienen, algo habitual en robots con patas y pinzas, pueden entrenarse con aprendizaje por refuerzo en la GPU sin reconstruirlos antes como un árbol. Es la opción más precisa y la más lenta, y aún es experimental, así que conviene para los mecanismos que lo necesitan y no para cualquier robot.

Qué problema resuelve

Los simuladores de robots en GPU han estado ligados al motor de una sola empresa y a un solo método físico, y la mayoría no puede simular lazos cinemáticos cerrados sin aproximaciones y ajustes. Newton reúne varios solvers detrás de una interfaz abierta de Python en la GPU, y su solver Kamino simula de forma nativa patas paralelas, mecanismos articulados y otros mecanismos de lazo cerrado, a la escala que exige el aprendizaje por refuerzo.

Puntos clave

  • Motor de física en GPU escrito en Python, basado en NVIDIA Warp, con MuJoCo Warp como backend principal de sólidos rígidos
  • Iniciado por Disney Research, Google DeepMind y NVIDIA, hoy alojado por la Linux Foundation
  • Un solo modelo y bucle para muchos solvers: MuJoCo, Featherstone, XPBD, VBD, MPM implícito, Style3D y Kamino
  • Importa robots desde URDF, MJCF y OpenUSD; algunos solvers admiten simulación diferenciable
  • Isaac Lab puede usar Newton como backend de física para el aprendizaje por refuerzo
  • Kamino (CoRL 2026) simula de forma nativa en la GPU lazos cinemáticos cerrados y contactos rígidos
  • En el artículo, Kamino entrenó una política de marcha para un bípedo con seis lazos anidados en 4.096 entornos paralelos
  • Licencia Apache-2.0, se instala desde PyPI, con más de cien ejemplos ejecutables

Para quién es

  • Investigadores de aprendizaje robótico que entrenan políticas en simulación masivamente paralela en GPU
  • Diseñadores de robots con patas, pinzas y otros mecanismos con eslabones paralelos o articulaciones de cuatro barras
  • Usuarios de Isaac Lab y MuJoCo que buscan un backend en GPU con más opciones de solver
  • Investigadores de simulación que quieren añadir su propio solver a un motor abierto y compartido
  • Equipos que simulan tela, cables, cuerpos blandos o materiales granulares junto con robots

Limitaciones

  • Kamino está marcado como experimental y en beta: la documentación desaconseja depender de él y advierte que su API y su comportamiento pueden cambiar sin aviso; VBD también es experimental
  • Kamino es más lento que los solvers MuJoCo Warp y XPBD: en el artículo procesó unas 25 veces menos muestras por segundo que MuJoCo Warp en el robot BDX, así que solo compensa en mecanismos con lazos cerrados
  • De los robots del artículo solo se ha publicado DR Legs; los modelos de BDX, Olaf e Iron Man son propietarios, y los resultados sim-to-real en BDX y Olaf son de los propios autores y, según ellos mismos, modestos
  • La aceleración por GPU requiere una GPU NVIDIA de la generación Turing o posterior con un controlador reciente; en macOS solo funciona en la CPU
  • Los solvers en GPU del artículo de Kamino usan coma flotante de 32 bits, mientras que MuJoCo en la CPU usa 64 bits
  • Proyecto joven y en rápida evolución: la versión 1.0 salió en 2026, hay versiones menores aproximadamente cada mes y el registro de cambios marca con frecuencia partes de la API como obsoletas
  • Los modelos de robots se descargan aparte y conservan sus propias licencias; los recursos de Disney Research que usan dos ejemplos de Kamino, DR Legs y un mecanismo de prueba, solo pueden usarse para investigación o desarrollo de software

Este sitio web requiere JavaScript. Por favor, habilite JavaScript para explorar nuestros proyectos de robótica.