Open Source Robotics

Una raccolta curata di progetti, strumenti e software di robotica open source di alta qualità per la comunità della robotica.

Steel

Il solver fisico su GPU di Skild AI per simulare insieme molti robot e compiti diversi

Licenza

Apache 2.0

Codice: Apache-2.0, secondo il file LICENSE nel repository di Steel; il solver stesso è distribuito in Newton, anch'esso sotto Apache-2.0. Media e marchi: il file NOTICE dice che la licenza non copre risorse di terzi, marchi, il video di lancio né la sua musica. Porting per browser: steel-webgpu è sotto Apache-2.0, e i modelli di robot inclusi mantengono le proprie licenze BSD-3-Clause e MIT. Verificato il 2026-11-10 su LICENSE, NOTICE e il LICENSE.md di steel-webgpu.

Panoramica

Steel è un solver fisico per corpi rigidi su GPU di Skild AI, sviluppato con NVIDIA e rilasciato open source il 9 novembre 2026 come parte del motore fisico Newton, dove è disponibile come SolverSteel. È pensato per l'apprendimento dei robot in simulazione quando un batch mescola scene molto diverse: bracci, mani destre, quadrupedi e umanoidi, ognuno con i propri giunti e contatti. Combina la dinamica delle catene articolate in coordinate ridotte con la risoluzione dei vincoli tramite Gauss-Seidel proiettato, e dimensiona il lavoro di ogni ambiente invece di riempire ogni scena fino alla più grande. Skild dichiara in media 3,8 volte il throughput di simulazione di PhysX su 20 compiti di apprendimento robotico e fino a 13 volte su batch misti, misurati da Skild su una GPU NVIDIA RTX PRO 6000 Blackwell. Un porting su WebGPU esegue il solver nel browser, con un playground pubblico. Steel è rilasciato sotto Apache-2.0 ed è ancora segnato come sperimentale in Newton.

Steel (Scalable Throughput-optimized Engine for Embodied Learning) è un solver per la dinamica dei corpi rigidi scritto da Skild AI insieme a NVIDIA per Newton, il motore fisico open source su GPU costruito su NVIDIA Warp e progetto della Linux Foundation. Il codice del solver si trova nel repository di Newton, dove è stato aggiunto il 15 ottobre 2026 (pull request) e si usa come newton.solvers.SolverSteel; il repository di Steel contiene il README, la licenza e il video di lancio. Skild ha annunciato il rilascio open source il 9 novembre 2026 in un post di lancio, secondo cui Steel serve ad accelerare l'apprendimento dei robot in Isaac Lab.

Steel punta a un caso per cui molti simulatori su GPU non sono costruiti: un batch di migliaia di ambienti che non sono copie l'uno dell'altro. Un braccio robotico che si muove nello spazio libero, una mano che fa ruotare un cubo con manipolazione fine e un braccio robotico che lavora in un contenitore pieno hanno numeri diversi di giunti, vincoli e contatti, e i contatti cambiano a ogni passo. Steel tiene separate la dinamica e i vincoli di ogni ambiente, raggruppa per la GPU le catene articolate con un numero simile di giunti e assegna il lavoro sui contatti a ogni ambiente secondo ciò che gli serve in quel momento, riducendo il riempimento e il lavoro inutile. Ogni passo costruisce e fattorizza la matrice di massa nello spazio dei giunti di ogni catena articolata e risolve contatti, limiti dei giunti e altri vincoli con Gauss-Seidel proiettato, riusando quella fattorizzazione senza assemblare una matrice densa delle interazioni di contatto. La documentazione di Newton ne elenca le funzioni: giunti prismatici, rotoidali, sferici, fissi, D6 e liberi, attuazione e limiti dei giunti, giunti mimic, catene cinematiche chiuse, patch di attrito e messa a riposo dei corpi fermi.

Poiché condivide il modello e la pipeline di collisione di Newton, Steel funziona insieme agli altri solver di Newton. Il post di lancio lo mostra come parte rigida di scene accoppiate con cavi, tessuti, sabbia granulare e corpi morbidi, con contatto idroelastico e con un passo differenziabile sperimentale che propaga i gradienti attraverso il contatto.

Tutte le cifre sulla velocità sono di Skild, riguardano solo la simulazione e non l'addestramento completo, e sono state misurate dal 7 al 9 novembre 2026 su una GPU NVIDIA RTX PRO 6000 Blackwell contro PhysX di Isaac Sim 6.1 e MuJoCo Warp 3.17, ogni motore alla sua dimensione di batch migliore. Su 20 benchmark a compito singolo Steel ha raggiunto 3,8 volte il throughput di PhysX come media geometrica ed è stato più veloce in 19 compiti su 20; rispetto a MuJoCo Warp è stato circa 1,3 volte più veloce. Su batch che mescolano 5, 10, 15 o 20 tipi di compito, tra cui umanoidi, quadrupedi, bracci e mani, ha raggiunto da 9,2 a 13,0 volte il throughput massimo di PhysX. Con 20 tipi di compito e 61.440 ambienti per entrambi i motori, Steel è stato 12,0 volte più veloce e ha usato circa il 62% di memoria GPU in meno, circa 11 GiB contro 29 GiB.

Skild ha rilasciato anche steel-webgpu, un porting del solver su WebGPU scritto in TypeScript e pubblicato su npm come @skild-ai/steel-webgpu. Carica scene da file URDF, MJCF e USD, le disegna con three.js o React Three Fiber e funziona in Chrome, Edge o Safari. Il playground di Steel lo usa per simulare dal vivo 24 scene nel browser, dal Jenga e dalle tessere del domino a un trabucco, dove si possono trascinare oggetti e cambiare le impostazioni del solver mentre è in esecuzione.

Perché è importante

La simulazione su GPU ha reso praticabile l'apprendimento per rinforzo per i robot che camminano: migliaia di copie di un quadrupede o di un umanoide si esercitano in parallelo, e la domain randomization aiuta il risultato a trasferirsi sull'hardware. La manipolazione è più difficile da scalare così, perché dati di addestramento utili richiedono molti compiti, oggetti e corpi robotici diversi, mentre molti simulatori su GPU, compresi quelli alla base di Isaac Lab, sono più efficienti quando tutti gli ambienti di un batch sono uguali. Steel è un solver aperto pensato per il caso misto e si trova dentro Newton accanto al solver MuJoCo Warp, quindi i ricercatori possono passarci senza adottare un nuovo stack fisico e possono leggerne, provarne e modificarne il funzionamento. È anche il primo rilascio open source di Skild AI, un'azienda che costruisce modelli di base per robot e li addestra in simulazione, e il playground nel browser permette a chiunque di provare il solver senza una workstation con GPU. Se i suoi guadagni di velocità reggano in pipeline di addestramento reali e aiutino a colmare il divario sim-to-real devono ancora dimostrarlo persone esterne a Skild.

Il problema che risolve

I simulatori di robot su GPU sono più veloci quando eseguono migliaia di copie dello stesso robot e dello stesso compito, ma addestrare policy di manipolazione generali richiede batch che mescolano robot, oggetti e compiti diversi, ognuno con i propri giunti e contatti che cambiano. Riempire ogni ambiente fino al più grande, o costruire matrici dense per catene articolate complesse, spreca tempo e memoria della GPU. Steel dimensiona la risoluzione per ogni ambiente, raggruppa le catene articolate simili ed evita matrici di contatto dense, così una sola GPU può simulare batch misti di bracci, mani, quadrupedi e umanoidi con meno lavoro sprecato.

Punti chiave

  • Un solver fisico per corpi rigidi di Skild AI e NVIDIA, rilasciato il 9 novembre 2026 nel motore fisico Newton come SolverSteel
  • Pensato per batch che mescolano robot e compiti diversi: il lavoro è dimensionato per ambiente e le catene articolate sono raggruppate per numero di giunti
  • Dinamica articolata in coordinate ridotte con una risoluzione di contatti e vincoli tramite Gauss-Seidel proiettato senza matrici assemblate
  • Benchmark di Skild su una GPU RTX PRO 6000 Blackwell: 3,8 volte PhysX su 20 compiti singoli e da 9,2 a 13,0 volte su batch misti
  • Si accoppia ai solver di Newton per tessuti, cavi, corpi morbidi e materiali granulari, con un passo differenziabile sperimentale
  • Un porting su WebGPU, steel-webgpu, esegue il solver nel browser e fa funzionare un playground pubblico
  • Apache-2.0, sia nel repository di Steel sia in Newton

A chi si rivolge

  • Ricercatori di apprendimento robotico che addestrano policy di manipolazione in simulazione su molti compiti e robot
  • Utenti di Isaac Lab e Newton che cercano un solver più veloce per robot articolati con molti contatti
  • Sviluppatori di simulazione fisica che vogliono studiare o estendere un solver di contatto aperto su GPU
  • Sviluppatori web che vogliono fisica interattiva dei corpi rigidi con modelli di robot nel browser

Limiti

  • Tutte le cifre su velocità e memoria vengono da misure di Skild su una GPU NVIDIA RTX PRO 6000 Blackwell e non sono state riprodotte da altri
  • Le cifre coprono solo i passi di fisica, senza osservazioni, ricompense, reset, rendering o addestramento delle policy, quindi il guadagno sull'addestramento completo sarà minore
  • Il confronto con PhysX usa Isaac Sim 6.1; Skild nota che PhysX di Isaac Sim 6.0 eseguiva i batch misti fino a 2,7 volte più velocemente, quindi rispetto a quella versione il divario è minore
  • I risultati a compito singolo usano un'opzione, reuse_kinematics, che in Newton 1.8 va attivata esplicitamente e non agisce quando i limiti di velocità dei giunti sono attivi
  • Newton segna SolverSteel come sperimentale, quindi opzioni e attributi possono cambiare senza il consueto periodo di deprecazione
  • Il repository di Steel contiene solo un README, la licenza e il video di lancio; il codice è in Newton, a sua volta in release candidate per la versione 1.8
  • Steel risolve solo corpi rigidi; tessuti, cavi, corpi morbidi e sabbia vengono dagli altri solver di Newton tramite accoppiamento
  • Rilasciato il 9 novembre 2026, quindi quasi mai usato fuori da Skild e NVIDIA

Questo sito richiede JavaScript. Attiva JavaScript per esplorare i nostri progetti di robotica open source.