Open Source Robotics

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

Steel

Solver de física en GPU de Skild AI para simular a la vez muchos robots y tareas distintos

Licencia

Apache 2.0

Código: Apache-2.0, según el archivo LICENSE del repositorio de Steel; el solver en sí se distribuye en Newton, que también es Apache-2.0. Medios y marcas: el archivo NOTICE dice que la licencia no cubre recursos de terceros, marcas, el vídeo de lanzamiento ni su música. Versión para navegador: steel-webgpu es Apache-2.0, y los modelos de robots que incluye conservan sus propias licencias BSD-3-Clause y MIT. Comprobado el 2026-11-10 con LICENSE, NOTICE y el LICENSE.md de steel-webgpu.

Resumen

Steel es un solver de física de cuerpos rígidos en GPU de Skild AI, desarrollado con NVIDIA y publicado como código abierto el 9 de noviembre de 2026 como parte del motor de física Newton, donde está disponible como SolverSteel. Está pensado para el aprendizaje de robots en simulación cuando un lote mezcla escenas muy distintas: brazos, manos diestras, cuadrúpedos y humanoides, cada uno con sus propias articulaciones y contactos. Combina dinámica de cadenas articuladas en coordenadas reducidas con una resolución de restricciones por Gauss-Seidel proyectado, y dimensiona el trabajo de cada entorno en lugar de rellenar cada escena hasta la más grande. Skild informa de 3,8 veces el rendimiento de simulación de PhysX en promedio en 20 tareas de aprendizaje de robots y hasta 13 veces en lotes mixtos, medido por Skild en una GPU NVIDIA RTX PRO 6000 Blackwell. Una versión para WebGPU ejecuta el solver en el navegador, con un playground público. Steel tiene licencia Apache-2.0 y en Newton sigue marcado como experimental.

Steel (Scalable Throughput-optimized Engine for Embodied Learning) es un solver de dinámica de cuerpos rígidos escrito por Skild AI junto con NVIDIA para Newton, el motor de física de código abierto en GPU construido sobre NVIDIA Warp y que es un proyecto de la Linux Foundation. El código del solver está en el repositorio de Newton, donde se añadió el 15 de octubre de 2026 (pull request) y se usa como newton.solvers.SolverSteel; el repositorio de Steel contiene el README, la licencia y el vídeo del lanzamiento. Skild anunció la publicación como código abierto el 9 de noviembre de 2026 en una entrada de lanzamiento, que dice que Steel busca acelerar el aprendizaje de robots en Isaac Lab.

Steel apunta a un caso para el que muchos simuladores en GPU no están hechos: un lote de miles de entornos que no son copias unos de otros. Un brazo robótico que alcanza en el espacio libre, una mano diestra que gira un cubo y un brazo robótico que trabaja en un contenedor desordenado tienen distinto número de articulaciones, restricciones y contactos, y los contactos cambian en cada paso. Steel mantiene separadas la dinámica y las restricciones de cada entorno, agrupa las cadenas articuladas con un número parecido de articulaciones para la GPU y reparte el trabajo de contacto a cada entorno según lo que necesita en ese momento, lo que reduce el relleno y el trabajo innecesario. Cada paso construye y factoriza la matriz de masas en el espacio articular de cada cadena articulada y resuelve contactos, límites articulares y otras restricciones por Gauss-Seidel proyectado, reutilizando esa factorización sin montar una matriz densa de interacciones de contacto. La documentación de Newton enumera sus funciones: articulaciones prismáticas, de revolución, de rótula, fijas, D6 y libres, accionamientos y límites articulares, articulaciones mimic, lazos cinemáticos cerrados, parches de fricción y la puesta en reposo de cuerpos asentados.

Como comparte el modelo y el pipeline de colisiones de Newton, Steel funciona junto a los otros solvers de Newton. La entrada de lanzamiento lo muestra como la parte rígida de escenas acopladas con cables, tela, arena granular y cuerpos blandos, con contacto hidroelástico y con un paso diferenciable experimental que propaga gradientes a través del contacto.

Todas las cifras de velocidad son de la propia Skild, solo de simulación y no de entrenamiento completo, medidas del 7 al 9 de noviembre de 2026 en una GPU NVIDIA RTX PRO 6000 Blackwell frente a PhysX de Isaac Sim 6.1 y MuJoCo Warp 3.17, cada motor en su mejor tamaño de lote. En 20 benchmarks de una sola tarea, Steel alcanzó 3,8 veces el rendimiento de PhysX como media geométrica y fue más rápido en 19 de las 20 tareas; frente a MuJoCo Warp fue unas 1,3 veces más rápido. En lotes que mezclan 5, 10, 15 o 20 tipos de tarea, entre ellos humanoides, cuadrúpedos, brazos y manos diestras, alcanzó entre 9,2 y 13,0 veces el rendimiento máximo de PhysX. Con 20 tipos de tarea y 61.440 entornos para ambos motores, Steel fue 12,0 veces más rápido y usó cerca de un 62 % menos de memoria de GPU, unos 11 GiB frente a 29 GiB.

Skild publicó también steel-webgpu, una versión del solver para WebGPU escrita en TypeScript y publicada en npm como @skild-ai/steel-webgpu. Carga escenas desde archivos URDF, MJCF y USD, las dibuja con three.js o React Three Fiber y funciona en Chrome, Edge o Safari. El playground de Steel la usa para simular en vivo 24 escenas en el navegador, desde Jenga y fichas de dominó hasta un trebuchet, donde se pueden arrastrar objetos y cambiar los ajustes del solver mientras funciona.

Por qué importa

La simulación en GPU hizo práctico el aprendizaje por refuerzo para robots que caminan: miles de copias de un cuadrúpedo o un humanoide practican en paralelo, y la aleatorización de dominio ayuda a que el resultado se traslade al hardware. La manipulación es más difícil de escalar así, porque los datos de entrenamiento útiles necesitan muchas tareas, objetos y cuerpos de robot distintos, mientras que muchos simuladores en GPU, incluidos los que hay detrás de Isaac Lab, son más eficientes cuando todos los entornos de un lote son iguales. Steel es un solver abierto hecho para el caso mixto y está dentro de Newton junto al solver MuJoCo Warp, así que los investigadores pueden cambiar a él sin adoptar una nueva pila de física y pueden leer, probar y modificar cómo funciona. Es además la primera publicación de código abierto de Skild AI, una empresa que construye modelos fundacionales para robots y los entrena con simulación, y el playground en el navegador permite a cualquiera probar el solver sin una estación de trabajo con GPU. Si sus mejoras de velocidad se mantienen en pipelines de entrenamiento reales y ayudan a cerrar la brecha sim-to-real, aún tienen que demostrarlo personas ajenas a Skild.

Qué problema resuelve

Los simuladores de robots en GPU son más rápidos cuando ejecutan miles de copias del mismo robot y la misma tarea, pero entrenar políticas generales de manipulación necesita lotes que mezclen robots, objetos y tareas distintos, cada uno con sus propias articulaciones y contactos cambiantes. Rellenar cada entorno hasta el más grande, o construir matrices densas para cadenas articuladas complejas, desperdicia tiempo y memoria de GPU. Steel dimensiona la resolución para cada entorno, agrupa las cadenas articuladas parecidas y evita matrices de contacto densas, de modo que una GPU puede simular lotes mixtos de brazos, manos, cuadrúpedos y humanoides con menos trabajo desperdiciado.

Puntos clave

  • Un solver de física de cuerpos rígidos de Skild AI y NVIDIA, publicado el 9 de noviembre de 2026 dentro del motor de física Newton como SolverSteel
  • Hecho para lotes que mezclan robots y tareas distintos: el trabajo se dimensiona por entorno y las cadenas articuladas se agrupan por número de articulaciones
  • Dinámica articulada en coordenadas reducidas con una resolución de contactos y restricciones por Gauss-Seidel proyectado sin matrices
  • Benchmarks propios de Skild en una GPU RTX PRO 6000 Blackwell: 3,8 veces PhysX en 20 tareas individuales y de 9,2 a 13,0 veces en lotes mixtos
  • Se acopla con los solvers de tela, cables, cuerpos blandos y materiales granulares de Newton, con un paso diferenciable experimental
  • Una versión para WebGPU, steel-webgpu, ejecuta el solver en el navegador y mueve un playground público
  • Apache-2.0, tanto en el repositorio de Steel como en Newton

Para quién es

  • Investigadores en aprendizaje de robots que entrenan políticas de manipulación en simulación con muchas tareas y robots
  • Usuarios de Isaac Lab y Newton que buscan un solver más rápido para robots articulados con muchos contactos
  • Desarrolladores de simulación física que quieren estudiar o ampliar un solver de contacto abierto en GPU
  • Desarrolladores web que quieren física interactiva de cuerpos rígidos con modelos de robots en el navegador

Limitaciones

  • Todas las cifras de velocidad y memoria proceden de mediciones propias de Skild en una GPU NVIDIA RTX PRO 6000 Blackwell y nadie más las ha reproducido
  • Las cifras cubren solo los pasos de física, sin observaciones, recompensas, reinicios, renderizado ni entrenamiento de políticas, así que la ganancia en el entrenamiento completo será menor
  • La comparación con PhysX usa Isaac Sim 6.1; Skild señala que PhysX de Isaac Sim 6.0 ejecutaba los lotes mixtos hasta 2,7 veces más rápido, así que la diferencia es menor frente a esa versión
  • Los resultados de tareas individuales usan una opción, reuse_kinematics, que en Newton 1.8 hay que activar a mano y que queda inactiva cuando los límites de velocidad articular están activados
  • Newton marca SolverSteel como experimental, así que sus opciones y atributos pueden cambiar sin el periodo de obsolescencia habitual
  • El repositorio de Steel solo contiene un README, la licencia y el vídeo de lanzamiento; el código está en Newton, que para la versión 1.8 aún está en release candidates
  • Steel resuelve solo cuerpos rígidos; tela, cables, cuerpos blandos y arena vienen de los otros solvers de Newton mediante acoplamiento
  • Publicado el 9 de noviembre de 2026, por lo que casi no se ha usado fuera de Skild y NVIDIA

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