Open Source Robotics

Une collection organisée de projets, outils et logiciels robotiques open source de haute qualité.

Newton

Moteur physique ouvert sur GPU pour la robotique, avec Kamino pour les boucles fermées

Licence

  • code: Apache 2.0
  • documentation: CC BY 4.0

Code : Apache-2.0, d'après LICENSE.md dans newton-physics/newton et les métadonnées du paquet PyPI. Documentation : CC BY 4.0, comme l'indique le README. Les modèles de robots et les scènes se téléchargent à part depuis le dépôt newton-assets et gardent leurs propres licences, surtout Apache-2.0, BSD ou MIT ; les ressources DR Legs et mécanisme de test de Disney Research, utilisées par deux exemples Kamino, ne peuvent servir qu'à la recherche ou au développement logiciel. Vérifié le 2026-11-08 d'après LICENSE.md, le README, PyPI et les fichiers de licence des ressources.

Aperçu

Newton est un moteur physique open source pour la recherche en robotique et en simulation, qui tourne sur le GPU. Lancé par Disney Research, Google DeepMind et NVIDIA, il est aujourd'hui un projet de la Linux Foundation ; il repose sur NVIDIA Warp et utilise MuJoCo Warp comme principal backend pour les corps rigides. Une seule API Python donne accès à plusieurs solveurs, pour les robots rigides, les tissus, les câbles, les corps mous et les matériaux granulaires, et les robots se chargent depuis des fichiers URDF, MJCF ou OpenUSD. Isaac Lab peut utiliser Newton comme backend physique pour l'apprentissage par renforcement. Son solveur Kamino, issu de Disney Research et présenté à la CoRL 2026, simule les robots à boucles cinématiques fermées, comme les jambes parallèles et les quadrilatères articulés, directement sur le GPU au lieu de les approcher par un arbre. Newton est sous licence Apache-2.0 et s'installe depuis PyPI.

Newton est un moteur physique sur GPU destiné aux roboticiens et aux chercheurs en simulation. Il a été lancé par Disney Research, Google DeepMind et NVIDIA, puis confié à la Linux Foundation en 2025, qui l'héberge désormais sous une gouvernance ouverte. Newton est écrit en Python au-dessus de NVIDIA Warp, qui compile des noyaux Python pour le GPU, et il est issu de l'ancien module de simulation de Warp. Son principal backend pour les corps rigides est MuJoCo Warp, la version GPU de MuJoCo que Google DeepMind et NVIDIA développent ensemble.

Le principe : un seul modèle et une seule boucle de simulation, avec des solveurs interchangeables. Les robots sont construits en Python ou importés depuis des fichiers URDF, MJCF ou OpenUSD, et le même modèle peut être avancé par le solveur MuJoCo, par les solveurs Featherstone, XPBD ou semi-implicite pour les corps articulés, par VBD pour les tissus, les câbles et les corps mous, par un solveur MPM implicite pour le sable, la neige et d'autres matériaux granulaires, par Style3D pour les vêtements, ou par Kamino. Plusieurs solveurs peuvent être couplés dans une même scène, certains prennent en charge la simulation différentiable pour l'optimisation par gradient, et le moteur comprend la détection de collisions, des capteurs comme des caméras et des IMU, la cinématique inverse et des visualiseurs qui tournent sur le poste de travail ou dans le navigateur. Il s'installe avec pip et fournit plus d'une centaine d'exemples exécutables, des pendules et quadrupèdes qui marchent jusqu'aux tissus et aux écoulements granulaires. Isaac Lab peut exécuter ses environnements sur Newton comme sur PhysX, de sorte que les tâches d'apprentissage par renforcement écrites pour Isaac Lab peuvent utiliser les solveurs de Newton ; parmi les projets de la communauté qui l'utilisent figure RoboSimStudio.

Kamino : des boucles cinématiques fermées sur le GPU

La plupart des simulateurs GPU utilisés pour l'apprentissage par renforcement supposent qu'un robot est un arbre cinématique. Beaucoup de mécanismes réels ne le sont pas : les jambes parallèles, les quadrilatères articulés des genoux et des pinces et les robots parallèles forment des boucles fermées, que l'on simule d'ordinaire en coupant chaque boucle pour obtenir un arbre et en ajoutant une contrainte de fermeture ou une articulation mimic, ce qui demande des réglages et peut modifier le comportement du robot. Kamino, développé chez Disney Research à Zurich avec NVIDIA et décrit dans un article de la CoRL 2026, est un solveur de Newton qui simule ces mécanismes tels qu'ils sont. Chaque corps garde sa propre pose ; les articulations, les butées articulaires et les contacts avec frottement sont résolus ensemble comme des contraintes rigides par une méthode ADMM proximale, et un solveur de cinématique directe place les robots à boucles fermées dans une pose cohérente à la réinitialisation d'un épisode. Les mondes parallèles sur le GPU peuvent en outre contenir des robots différents, si bien qu'une politique peut être entraînée sur plusieurs morphologies à la fois.

Dans l'article, Kamino a entraîné une politique de marche pour DR Legs, un bipède à six boucles cinématiques imbriquées, avec 4 096 environnements parallèles sur un seul GPU ; sur des tests élémentaires aux solutions analytiques connues, comme une boîte qui glisse, une balle qui rebondit et un quadrilatère articulé, il les a retrouvées avec peu de réglages, là où les solveurs MuJoCo Warp et XPBD ont demandé des réglages ou montré de la pénétration, des oscillations ou un glissement prématuré. Les auteurs ont aussi entraîné dans Kamino des politiques pour les robots BDX et Olaf de Disney et indiquent qu'elles se sont transférées aux robots physiques (sim-to-real). Kamino se sélectionne comme n'importe quel solveur de Newton, le modèle DR Legs et un mécanisme à quatre barres font partie de ses exemples, et le guide de Kamino décrit ses trois backends de dynamique.

Pourquoi c'est important

Newton est une couche physique que Disney Research, Google DeepMind et NVIDIA construisent ensemble et ouvertement, sous une gouvernance neutre, plutôt que de garder chacun un moteur séparé. Pour un chercheur, cela veut dire un seul paquet Python sous Apache-2.0 où le solveur GPU de MuJoCo, des solveurs pour tissus, câbles et matériaux granulaires et des solveurs de recherche plus récents se trouvent derrière une même interface, et Isaac Lab peut s'entraîner dessus sans installation complète d'Isaac Sim. Il se place à côté de Genesis, un autre moteur GPU à nombreux solveurs, et de mjlab, qui pose l'API d'Isaac Lab sur MuJoCo Warp seul. Kamino ajoute la prise en charge native des chaînes fermées : les robots qui en comportent, fréquents parmi les robots à pattes et les pinces, peuvent être entraînés par apprentissage par renforcement sur le GPU sans être d'abord reconstruits en arbre. C'est l'option la plus précise et la plus lente, encore expérimentale, qui convient donc aux mécanismes qui en ont besoin plutôt qu'à tous les robots.

Le problème résolu

Les simulateurs de robots sur GPU étaient liés au moteur d'une seule entreprise et à une seule méthode physique, et la plupart ne savent pas simuler de boucles cinématiques fermées sans approximations ni réglages. Newton réunit plusieurs solveurs derrière une interface Python ouverte sur le GPU, et son solveur Kamino simule nativement les jambes parallèles, les mécanismes articulés et les autres mécanismes à boucles fermées, à l'échelle qu'exige l'apprentissage par renforcement.

Points clés

  • Moteur physique GPU en Python, bâti sur NVIDIA Warp, avec MuJoCo Warp comme principal backend pour les corps rigides
  • Lancé par Disney Research, Google DeepMind et NVIDIA, aujourd'hui hébergé par la Linux Foundation
  • Un modèle et une boucle pour de nombreux solveurs : MuJoCo, Featherstone, XPBD, VBD, MPM implicite, Style3D et Kamino
  • Importe des robots depuis URDF, MJCF et OpenUSD ; certains solveurs prennent en charge la simulation différentiable
  • Isaac Lab peut utiliser Newton comme backend physique pour l'apprentissage par renforcement
  • Kamino (CoRL 2026) simule nativement sur le GPU les boucles cinématiques fermées et les contacts rigides
  • Dans l'article, Kamino a entraîné une politique de marche pour un bipède à six boucles imbriquées dans 4 096 environnements parallèles
  • Apache-2.0, installation depuis PyPI, avec plus d'une centaine d'exemples exécutables

Pour qui

  • Chercheurs en apprentissage robotique qui entraînent des politiques en simulation GPU massivement parallèle
  • Concepteurs de robots à pattes, de pinces et d'autres mécanismes à chaînes parallèles ou à articulations à quatre barres
  • Utilisateurs d'Isaac Lab et de MuJoCo qui cherchent un backend GPU offrant plus de choix de solveurs
  • Chercheurs en simulation qui veulent ajouter leur propre solveur à un moteur ouvert et partagé
  • Équipes qui simulent tissus, câbles, corps mous ou matériaux granulaires avec des robots

Limites

  • Kamino est marqué expérimental et en bêta : la documentation déconseille d'en dépendre et prévient que son API et son comportement peuvent changer sans préavis ; VBD est lui aussi expérimental
  • Kamino est plus lent que les solveurs MuJoCo Warp et XPBD : dans l'article, il a traité environ 25 fois moins d'échantillons par seconde que MuJoCo Warp sur le robot BDX, il n'est donc intéressant que pour les mécanismes à boucles fermées
  • Parmi les robots de l'article, seul DR Legs est publié ; les modèles de BDX, Olaf et Iron Man sont propriétaires, et les résultats sim-to-real sur BDX et Olaf viennent des auteurs eux-mêmes et restent, de leur propre aveu, modestes
  • L'accélération GPU exige un GPU NVIDIA de génération Turing ou plus récent avec un pilote récent ; sous macOS, Newton tourne uniquement sur le CPU
  • Les solveurs GPU de l'article sur Kamino calculent en virgule flottante 32 bits, alors que MuJoCo sur CPU utilise 64 bits
  • Projet jeune et en évolution rapide : la version 1.0 est sortie en 2026, des versions mineures suivent environ chaque mois et le journal des modifications déclare régulièrement des parties de l'API obsolètes
  • Les modèles de robots se téléchargent à part et gardent leurs propres licences ; les ressources de Disney Research utilisées par deux exemples Kamino, DR Legs et un mécanisme de test, ne peuvent servir qu'à la recherche ou au développement logiciel

Ce site nécessite JavaScript. Veuillez activer JavaScript pour explorer nos projets de robotique open source.