Newton
Motore fisico aperto su GPU per la robotica, con Kamino per i meccanismi ad anello chiuso
Licenza
- code: Apache 2.0
- documentation: CC BY 4.0
Codice: Apache-2.0, secondo LICENSE.md in newton-physics/newton e i metadati del pacchetto su PyPI. Documentazione: CC BY 4.0, come indica il README. Modelli di robot e scene si scaricano a parte dal repository newton-assets e mantengono le proprie licenze, per lo più Apache-2.0, BSD o MIT; le risorse DR Legs e meccanismo di prova di Disney Research, usate da due esempi di Kamino, possono essere usate solo per ricerca o sviluppo software. Verificato il 2026-11-08 su LICENSE.md, il README, PyPI e i file di licenza delle risorse.
Panoramica
Newton è un motore fisico open source per la ricerca in robotica e simulazione che gira sulla GPU. È stato avviato da Disney Research, Google DeepMind e NVIDIA ed è oggi un progetto della Linux Foundation; si basa su NVIDIA Warp e usa MuJoCo Warp come backend principale per i corpi rigidi. Un'unica API Python dà accesso a diversi solver, per robot rigidi, tessuti, cavi, corpi morbidi e materiali granulari, e i robot si caricano da file URDF, MJCF o OpenUSD. Isaac Lab può usare Newton come backend fisico per l'apprendimento per rinforzo. Il suo solver Kamino, di Disney Research e presentato alla CoRL 2026, simula robot con anelli cinematici chiusi, come gambe parallele e quadrilateri articolati, direttamente sulla GPU invece di approssimarli come un albero. Newton ha licenza Apache-2.0 e si installa da PyPI.
Newton è un motore fisico su GPU per robotici e ricercatori di simulazione. È stato avviato da Disney Research, Google DeepMind e NVIDIA e nel 2025 è stato affidato alla Linux Foundation, che oggi lo ospita con una governance aperta. Newton è scritto in Python sopra NVIDIA Warp, che compila kernel Python per la GPU, ed è nato dal vecchio modulo di simulazione di Warp. Il suo backend principale per i corpi rigidi è MuJoCo Warp, la versione per GPU di MuJoCo che Google DeepMind e NVIDIA sviluppano insieme.
L'idea è un solo modello e un solo ciclo di simulazione con solver intercambiabili. I robot si costruiscono in Python o si importano da file URDF, MJCF o OpenUSD, e lo stesso modello può essere fatto avanzare dal solver MuJoCo, dai solver Featherstone, XPBD o semi-implicito per i corpi articolati, da VBD per tessuti, cavi e corpi morbidi, da un solver MPM implicito per sabbia, neve e altri materiali granulari, da Style3D per gli indumenti oppure da Kamino. Più solver possono essere accoppiati nella stessa scena, alcuni supportano la simulazione differenziabile per l'ottimizzazione basata sul gradiente, e il motore include il rilevamento delle collisioni, sensori come telecamere e unità di misura inerziale (IMU), la cinematica inversa e visualizzatori che funzionano sul desktop o nel browser. Si installa con pip e include più di cento esempi eseguibili, da pendoli e robot quadrupedi che camminano fino a tessuti e flussi granulari. Isaac Lab può eseguire i suoi ambienti su Newton oltre che su PhysX, quindi i compiti di apprendimento per rinforzo scritti per Isaac Lab possono usare i solver di Newton; tra i progetti della comunità che lo usano c'è RoboSimStudio.
Kamino: anelli cinematici chiusi sulla GPU
La maggior parte dei simulatori su GPU usati per l'apprendimento per rinforzo presuppone che un robot sia un albero cinematico. Molti meccanismi reali non lo sono: gambe parallele, quadrilateri articolati in ginocchia e pinze e bracci robotici paralleli formano anelli chiusi, che di solito si simulano tagliando ogni anello per ottenere un albero e aggiungendo un vincolo di chiusura o un giunto mimic, cosa che richiede messa a punto e può cambiare il comportamento del robot. Kamino, sviluppato da Disney Research a Zurigo con NVIDIA e descritto in un articolo alla CoRL 2026, è un solver di Newton che simula questi meccanismi così come sono. Ogni corpo mantiene la propria posa; giunti, limiti dei giunti e contatti con attrito vengono risolti insieme come vincoli rigidi con un metodo ADMM prossimale, e un solver di cinematica diretta porta i robot ad anello chiuso in una posa coerente quando un episodio riparte. I mondi paralleli sulla GPU possono inoltre contenere robot diversi, così una policy può essere addestrata su più forme del corpo allo stesso tempo.
Nell'articolo, Kamino ha addestrato una policy di camminata per DR Legs, un bipede con sei anelli cinematici annidati, usando 4.096 ambienti paralleli su una sola GPU; in test elementari con soluzioni analitiche note, come una scatola che scivola, una palla che rimbalza e un quadrilatero articolato, le ha riprodotte con poca messa a punto, mentre i solver MuJoCo Warp e XPBD hanno richiesto messa a punto o mostrato compenetrazione, oscillazioni o scivolamento prematuro. Gli autori hanno anche addestrato in Kamino policy per i robot BDX e Olaf di Disney e riferiscono che si sono trasferite sui robot fisici (sim-to-real). Kamino si seleziona come qualsiasi altro solver di Newton, il modello DR Legs e un meccanismo a quattro barre sono tra i suoi esempi, e la guida di Kamino spiega i suoi tre backend di dinamica.
Perché è importante
Newton è uno strato fisico che Disney Research, Google DeepMind e NVIDIA costruiscono insieme e in modo aperto, con una governance neutrale, invece di mantenere ciascuno un motore separato. Per un ricercatore significa un unico pacchetto Python con licenza Apache-2.0 in cui il solver per GPU di MuJoCo, i solver per tessuti, cavi e materiali granulari e solver di ricerca più recenti stanno dietro un'unica interfaccia, e Isaac Lab può addestrare su di esso senza un'installazione completa di Isaac Sim. Si colloca accanto a Genesis, un altro motore su GPU con molti solver, e a mjlab, che porta l'API di Isaac Lab sul solo MuJoCo Warp. Kamino aggiunge il supporto nativo alle catene chiuse: i robot che le hanno, frequenti tra robot con gambe e pinze, possono essere addestrati con l'apprendimento per rinforzo sulla GPU senza essere prima ricostruiti come un albero. È l'opzione più precisa e più lenta, e ancora sperimentale, quindi è adatta ai meccanismi che ne hanno bisogno e non a ogni robot.
Il problema che risolve
I simulatori di robot su GPU sono stati legati al motore di una sola azienda e a un solo metodo fisico, e la maggior parte non riesce a simulare anelli cinematici chiusi senza approssimazioni e messa a punto. Newton riunisce diversi solver dietro un'interfaccia Python aperta sulla GPU, e il suo solver Kamino simula in modo nativo gambe parallele, leveraggi e altri meccanismi ad anello chiuso, alla scala richiesta dall'apprendimento per rinforzo.
Punti chiave
- Motore fisico su GPU in Python, basato su NVIDIA Warp, con MuJoCo Warp come backend principale per i corpi rigidi
- Avviato da Disney Research, Google DeepMind e NVIDIA, oggi ospitato dalla Linux Foundation
- Un modello e un ciclo per molti solver: MuJoCo, Featherstone, XPBD, VBD, MPM implicito, Style3D e Kamino
- Importa robot da URDF, MJCF e OpenUSD; alcuni solver supportano la simulazione differenziabile
- Isaac Lab può usare Newton come backend fisico per l'apprendimento per rinforzo
- Kamino (CoRL 2026) simula in modo nativo sulla GPU anelli cinematici chiusi e contatti rigidi
- Nell'articolo, Kamino ha addestrato una policy di camminata per un bipede con sei anelli annidati in 4.096 ambienti paralleli
- Apache-2.0, si installa da PyPI, con più di cento esempi eseguibili
A chi si rivolge
- Ricercatori di robot learning che addestrano policy in simulazione su GPU massicciamente parallela
- Progettisti di robot con gambe, pinze e altri meccanismi con leveraggi paralleli o giunti a quattro barre
- Utenti di Isaac Lab e MuJoCo che cercano un backend su GPU con più scelta di solver
- Ricercatori di simulazione che vogliono aggiungere il proprio solver a un motore aperto e condiviso
- Team che simulano tessuti, cavi, corpi morbidi o materiali granulari insieme ai robot
Limiti
- Kamino è indicato come sperimentale e in beta: la documentazione sconsiglia di dipenderne e avverte che API e comportamento possono cambiare senza preavviso; anche VBD è sperimentale
- Kamino è più lento dei solver MuJoCo Warp e XPBD: nell'articolo ha elaborato circa 25 volte meno campioni al secondo di MuJoCo Warp sul robot BDX, quindi conviene solo per meccanismi con anelli chiusi
- Dei robot dell'articolo è pubblicato solo DR Legs; i modelli di BDX, Olaf e Iron Man sono proprietari, e i risultati sim-to-real su BDX e Olaf sono degli autori stessi e, per loro ammissione, modesti
- L'accelerazione su GPU richiede una GPU NVIDIA di generazione Turing o successiva con un driver recente; su macOS gira solo sulla CPU
- I solver su GPU dell'articolo su Kamino usano la virgola mobile a 32 bit, mentre MuJoCo sulla CPU usa 64 bit
- Progetto giovane e in rapida evoluzione: la versione 1.0 è uscita nel 2026, le versioni minori arrivano circa ogni mese e il changelog dichiara spesso obsolete parti dell'API
- I modelli dei robot si scaricano a parte e mantengono le proprie licenze; le risorse di Disney Research usate da due esempi di Kamino, DR Legs e un meccanismo di prova, possono essere usate solo per ricerca o sviluppo software