Open Source Robotics

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

Steel

Solveur physique GPU de Skild AI pour simuler à la fois de nombreux robots et tâches

Licence

Apache 2.0

Code : Apache-2.0, selon le fichier LICENSE du dépôt Steel ; le solveur lui-même est distribué dans Newton, également sous Apache-2.0. Médias et marques : le fichier NOTICE précise que la licence ne couvre pas les ressources de tiers, les marques, la vidéo de lancement ni sa musique. Portage navigateur : steel-webgpu est sous Apache-2.0, et les modèles de robots qu'il inclut gardent leurs propres licences BSD-3-Clause et MIT. Vérifié le 2026-11-10 d'après LICENSE, NOTICE et le LICENSE.md de steel-webgpu.

Aperçu

Steel est un solveur physique de corps rigides sur GPU de Skild AI, développé avec NVIDIA et publié en open source le 9 novembre 2026 au sein du moteur physique Newton, où il est disponible sous le nom SolverSteel. Il est destiné à l'apprentissage des robots en simulation lorsqu'un lot mêle des scènes très différentes : bras, mains dextres, quadrupèdes et humanoïdes, chacun avec ses propres articulations et contacts. Il associe une dynamique des chaînes articulées en coordonnées réduites à une résolution des contraintes par Gauss-Seidel projeté, et dimensionne le travail de chaque environnement au lieu de compléter chaque scène jusqu'à la plus grande. Skild annonce en moyenne 3,8 fois le débit de simulation de PhysX sur 20 tâches d'apprentissage robotique et jusqu'à 13 fois sur des lots mixtes, mesurés par Skild sur un GPU NVIDIA RTX PRO 6000 Blackwell. Un portage WebGPU exécute le solveur dans le navigateur, avec un playground public. Steel est sous Apache-2.0 et reste marqué expérimental dans Newton.

Steel (Scalable Throughput-optimized Engine for Embodied Learning) est un solveur de dynamique des corps rigides écrit par Skild AI avec NVIDIA pour Newton, le moteur physique GPU open source bâti sur NVIDIA Warp, qui est un projet de la Linux Foundation. Le code du solveur se trouve dans le dépôt de Newton, où il a été ajouté le 15 octobre 2026 (pull request) et s'utilise sous le nom newton.solvers.SolverSteel ; le dépôt Steel contient le README, la licence et la vidéo de lancement. Skild a annoncé la publication en open source le 9 novembre 2026 dans un billet de lancement, qui indique que Steel doit accélérer l'apprentissage des robots dans Isaac Lab.

Steel vise un cas pour lequel beaucoup de simulateurs GPU ne sont pas conçus : un lot de milliers d'environnements qui ne sont pas des copies les uns des autres. Un bras robotique qui atteint une cible dans l'espace libre, une main dextre qui fait tourner un cube et un bras qui travaille dans un bac encombré ont des nombres différents d'articulations, de contraintes et de contacts, et les contacts changent à chaque pas. Steel garde séparées la dynamique et les contraintes de chaque environnement, regroupe pour le GPU les chaînes articulées ayant un nombre d'articulations proche et répartit le travail de contact entre les environnements selon leurs besoins du moment, ce qui réduit le remplissage et le travail inutile. Chaque pas construit et factorise la matrice de masse dans l'espace articulaire de chaque chaîne articulée et résout contacts, butées articulaires et autres contraintes par Gauss-Seidel projeté, en réutilisant cette factorisation sans assembler de matrice dense des interactions de contact. La documentation de Newton liste ses fonctions : articulations prismatiques, rotoïdes, rotules, fixes, D6 et libres, actionnement et butées des articulations, articulations mimic, boucles cinématiques fermées, patchs de frottement et mise en sommeil des corps au repos.

Comme il partage le modèle et le pipeline de collision de Newton, Steel fonctionne avec les autres solveurs de Newton. Le billet de lancement le montre comme la partie rigide de scènes couplées avec des câbles, du tissu, du sable granulaire et des corps mous, avec un contact hydroélastique et avec un pas différentiable expérimental qui propage les gradients à travers le contact.

Tous les chiffres de vitesse viennent de Skild elle-même, portent sur la simulation seule et non sur l'entraînement complet, et ont été mesurés du 7 au 9 novembre 2026 sur un GPU NVIDIA RTX PRO 6000 Blackwell face à PhysX d'Isaac Sim 6.1 et à MuJoCo Warp 3.17, chaque moteur à sa meilleure taille de lot. Sur 20 benchmarks à tâche unique, Steel a atteint 3,8 fois le débit de PhysX en moyenne géométrique et a été plus rapide sur 19 des 20 tâches ; face à MuJoCo Warp, il a été environ 1,3 fois plus rapide. Sur des lots mêlant 5, 10, 15 ou 20 types de tâches, dont des humanoïdes, des quadrupèdes, des bras et des mains dextres, il a atteint de 9,2 à 13,0 fois le débit maximal de PhysX. Avec 20 types de tâches et 61 440 environnements pour les deux moteurs, Steel a été 12,0 fois plus rapide et a utilisé environ 62 % de mémoire GPU en moins, environ 11 Gio contre 29 Gio.

Skild a aussi publié steel-webgpu, un portage du solveur vers WebGPU écrit en TypeScript et publié sur npm sous le nom @skild-ai/steel-webgpu. Il charge des scènes depuis des fichiers URDF, MJCF et USD, les affiche avec three.js ou React Three Fiber et fonctionne dans Chrome, Edge ou Safari. Le playground Steel s'en sert pour simuler en direct 24 scènes dans le navigateur, du Jenga et des dominos à un trébuchet, où l'on peut tirer des objets et changer les réglages du solveur pendant qu'il tourne.

Pourquoi c'est important

La simulation sur GPU a rendu praticable l'apprentissage par renforcement pour les robots qui marchent : des milliers de copies d'un quadrupède ou d'un humanoïde s'entraînent en parallèle, et la randomisation de domaine aide le résultat à se transférer sur le matériel. La manipulation passe plus difficilement à l'échelle de cette façon, car des données d'entraînement utiles demandent beaucoup de tâches, d'objets et de corps de robots différents, alors que beaucoup de simulateurs GPU, y compris ceux derrière Isaac Lab, sont plus efficaces quand tous les environnements d'un lot sont identiques. Steel est un solveur ouvert conçu pour le cas mixte, et il se trouve dans Newton à côté du solveur MuJoCo Warp, si bien que les chercheurs peuvent l'adopter sans changer de pile physique et peuvent lire, tester et modifier son fonctionnement. C'est aussi la première publication open source de Skild AI, une entreprise qui construit des modèles de fondation pour robots et les entraîne en simulation, et le playground dans le navigateur permet à chacun d'essayer le solveur sans station de travail GPU. Reste à des personnes extérieures à Skild de montrer si ces gains de vitesse tiennent dans de vrais pipelines d'entraînement et aident à combler l'écart sim-to-real.

Le problème résolu

Les simulateurs de robots sur GPU sont les plus rapides quand ils exécutent des milliers de copies du même robot et de la même tâche, mais entraîner des politiques de manipulation générales demande des lots qui mêlent robots, objets et tâches différents, chacun avec ses propres articulations et des contacts changeants. Compléter chaque environnement jusqu'au plus grand, ou construire des matrices denses pour des chaînes articulées complexes, gaspille du temps et de la mémoire GPU. Steel dimensionne la résolution pour chaque environnement, regroupe les chaînes articulées semblables et évite les matrices de contact denses, pour qu'un seul GPU puisse simuler des lots mixtes de bras, de mains, de quadrupèdes et d'humanoïdes avec moins de travail perdu.

Points clés

  • Un solveur physique de corps rigides de Skild AI et NVIDIA, publié le 9 novembre 2026 dans le moteur physique Newton sous le nom SolverSteel
  • Conçu pour des lots mêlant robots et tâches différents : le travail est dimensionné par environnement et les chaînes articulées sont regroupées par nombre d'articulations
  • Dynamique articulée en coordonnées réduites avec une résolution des contacts et contraintes par Gauss-Seidel projeté, sans matrice assemblée
  • Benchmarks de Skild elle-même sur un GPU RTX PRO 6000 Blackwell : 3,8 fois PhysX sur 20 tâches uniques et de 9,2 à 13,0 fois sur des lots mixtes
  • Se couple aux solveurs de tissu, de câbles, de corps mous et de matériaux granulaires de Newton, avec un pas différentiable expérimental
  • Un portage WebGPU, steel-webgpu, exécute le solveur dans le navigateur et fait tourner un playground public
  • Apache-2.0, dans le dépôt Steel comme dans Newton

Pour qui

  • Chercheurs en apprentissage robotique qui entraînent des politiques de manipulation en simulation sur de nombreuses tâches et robots
  • Utilisateurs d'Isaac Lab et de Newton qui cherchent un solveur plus rapide pour des robots articulés avec beaucoup de contacts
  • Développeurs de simulation physique qui veulent étudier ou étendre un solveur de contact GPU ouvert
  • Développeurs web qui veulent une physique interactive de corps rigides avec des modèles de robots dans le navigateur

Limites

  • Tous les chiffres de vitesse et de mémoire viennent des mesures de Skild sur un GPU NVIDIA RTX PRO 6000 Blackwell et n'ont pas été reproduits par d'autres
  • Les chiffres ne couvrent que les pas de physique, sans observations, récompenses, réinitialisations, rendu ni entraînement de politique, donc le gain sur l'entraînement complet sera plus faible
  • La comparaison avec PhysX utilise Isaac Sim 6.1 ; Skild note que PhysX d'Isaac Sim 6.0 exécutait les lots mixtes jusqu'à 2,7 fois plus vite, l'écart est donc plus faible face à cette version
  • Les résultats à tâche unique utilisent une option, reuse_kinematics, à activer explicitement dans Newton 1.8 et inactive lorsque les limites de vitesse articulaire sont activées
  • Newton marque SolverSteel comme expérimental, ses options et attributs peuvent donc changer sans la période de dépréciation habituelle
  • Le dépôt Steel ne contient qu'un README, la licence et la vidéo de lancement ; le code est dans Newton, lui-même en release candidates pour la version 1.8
  • Steel ne résout que les corps rigides ; tissu, câbles, corps mous et sable viennent des autres solveurs de Newton par couplage
  • Publié le 9 novembre 2026, il n'a presque pas été utilisé hors de Skild et de NVIDIA

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