Steel
서로 다른 여러 로봇과 작업을 동시에 시뮬레이션하는 Skild AI의 GPU 물리 솔버
라이선스
Apache 2.0
코드: Steel 저장소의 LICENSE 파일에 따라 Apache-2.0이며, 솔버 자체는 Newton에 포함되어 배포되고 Newton도 Apache-2.0입니다. 미디어와 상표: NOTICE 파일에 따르면 이 라이선스는 타사 자료, 상표, 공개 영상과 그 음악에는 적용되지 않습니다. 브라우저 포팅: steel-webgpu는 Apache-2.0이며, 함께 들어 있는 로봇 모델은 각자의 BSD-3-Clause 및 MIT 라이선스를 유지합니다. 2026-11-10에 LICENSE, NOTICE, steel-webgpu의 LICENSE.md로 확인했습니다.
개요
Steel은 Skild AI가 NVIDIA와 함께 개발한 GPU 강체 물리 솔버로, 2026년 11월 9일 Newton 물리 엔진의 일부로 오픈소스로 공개되었으며 Newton에서 SolverSteel로 사용할 수 있습니다. 하나의 배치에 아주 다른 장면이 섞여 있을 때의 시뮬레이션 기반 로봇 학습을 위해 만들어졌습니다. 로봇 암, 정교한 손, 사족 보행 로봇, 휴머노이드가 저마다 다른 관절과 접촉을 갖는 경우입니다. 축약 좌표 기반 다관절 동역학과 사영 Gauss-Seidel 구속 조건 풀이를 결합하고, 모든 장면을 가장 큰 장면에 맞춰 채우는 대신 환경마다 필요한 만큼 계산을 배정합니다. Skild에 따르면 20개 로봇 학습 작업에서 평균적으로 PhysX의 3.8배, 혼합 배치에서는 최대 13배의 시뮬레이션 처리량을 냈으며, 이는 Skild가 NVIDIA RTX PRO 6000 Blackwell GPU 하나로 측정한 결과입니다. WebGPU 포팅 버전이 브라우저에서 솔버를 실행하며, 공개 플레이그라운드도 있습니다. Steel은 Apache-2.0 라이선스이며 Newton에서는 아직 실험적 기능으로 표시되어 있습니다.
Steel(Scalable Throughput-optimized Engine for Embodied Learning)은 Skild AI가 NVIDIA와 함께 Newton용으로 작성한 강체 동역학 솔버입니다. Newton은 NVIDIA Warp 위에 만든 오픈소스 GPU 물리 엔진이며 Linux Foundation 프로젝트입니다. 솔버 코드는 Newton 저장소에 있으며 2026년 10월 15일에 추가되었고(풀 리퀘스트), newton.solvers.SolverSteel로 사용합니다. Steel 저장소에는 공개용 README, 라이선스, 영상만 있습니다. Skild는 2026년 11월 9일 공개 글에서 오픈소스 공개를 발표했으며, Steel이 Isaac Lab에서의 로봇 학습을 빠르게 하기 위한 것이라고 밝혔습니다.
Steel이 겨냥하는 것은 많은 GPU 시뮬레이터가 염두에 두지 않은 상황, 즉 서로 복사본이 아닌 수천 개의 환경으로 이루어진 배치입니다. 빈 공간에서 팔을 뻗는 로봇 암, 큐브를 돌리는 정교한 손, 어수선한 상자 안에서 작업하는 로봇 암은 관절, 구속 조건, 접촉의 수가 모두 다르고, 접촉은 매 스텝 바뀝니다. Steel은 환경마다 동역학과 구속 조건을 따로 다루고, 관절 수가 비슷한 다관절 시스템을 묶어 GPU에서 처리하며, 각 환경이 그 순간 필요한 만큼 접촉 계산을 나눠 주어 채우기와 불필요한 계산을 줄입니다. 각 스텝에서는 다관절 시스템마다 관절 공간 질량 행렬을 만들고 분해한 뒤, 접촉, 관절 한계와 그 밖의 구속 조건을 사영 Gauss-Seidel로 풉니다. 이 분해 결과를 다시 쓰며, 접촉 간 상호작용을 나타내는 조밀한 행렬은 만들지 않습니다. Newton 문서에는 기능이 나열되어 있습니다. 직선, 회전, 구형, 고정, D6, 자유 관절, 관절 구동과 한계, mimic 관절, 닫힌 기구학적 루프, 마찰 패치, 멈춘 물체를 잠재우는 기능입니다.
Newton의 모델과 충돌 파이프라인을 공유하므로 Steel은 Newton의 다른 솔버와 함께 쓸 수 있습니다. 공개 글에서는 케이블, 천, 입자형 모래, 연체와 결합한 장면에서 강체 쪽을 맡는 모습과 하이드로엘라스틱 접촉, 접촉을 통해 기울기를 전달하는 실험적 미분 가능 스텝을 보여 줍니다.
속도 수치는 모두 Skild가 직접 잰 것이며 학습 전체가 아니라 시뮬레이션만을 대상으로 합니다. 2026년 11월 7일부터 9일까지 NVIDIA RTX PRO 6000 Blackwell GPU 하나에서 측정했고, 비교 대상은 Isaac Sim 6.1의 PhysX와 MuJoCo Warp 3.17이며, 각 엔진은 가장 좋은 배치 크기를 사용했습니다. 단일 작업 벤치마크 20개에서 Steel은 기하 평균으로 PhysX 처리량의 3.8배를 냈고 20개 중 19개 작업에서 더 빨랐으며, MuJoCo Warp보다는 약 1.3배 빨랐습니다. 휴머노이드, 사족 보행 로봇, 로봇 암, 정교한 손을 포함해 5, 10, 15, 20가지 작업 유형을 섞은 배치에서는 PhysX 최대 처리량의 9.2배에서 13.0배에 이르렀습니다. 20가지 작업 유형에서 두 엔진 모두 61,440개 환경을 쓸 때 Steel은 12.0배 빨랐고 GPU 메모리는 약 62% 적게, 약 11 GiB 대 29 GiB를 썼습니다.
Skild는 또한 솔버를 TypeScript로 WebGPU에 포팅한 steel-webgpu를 공개했으며, npm에서 @skild-ai/steel-webgpu로 배포합니다. URDF, MJCF, USD 파일에서 장면을 불러오고, three.js나 React Three Fiber로 그리며, Chrome, Edge, Safari에서 실행됩니다. Steel 플레이그라운드는 이를 이용해 젠가와 도미노부터 투석기까지 24개 장면을 브라우저에서 실시간으로 시뮬레이션하며, 물체를 끌어당기고 실행 중에 솔버 설정을 바꿀 수 있습니다.
중요한 이유
GPU 시뮬레이션 덕분에 걷는 로봇의 강화학습이 실용적이 되었습니다. 사족 보행 로봇이나 휴머노이드의 복사본 수천 개가 병렬로 연습하고, 도메인 랜덤화가 결과를 실제 하드웨어로 옮기는 데 도움을 줍니다. 매니퓰레이션은 이 방식으로 확장하기가 더 어렵습니다. 쓸모 있는 학습 데이터에는 서로 다른 작업, 물체, 로봇 몸체가 많이 필요하지만, Isaac Lab 뒤에 있는 것을 포함해 많은 GPU 시뮬레이터는 배치의 모든 환경이 같을 때 가장 효율적이기 때문입니다. Steel은 이런 혼합 상황을 위해 만든 오픈 솔버이며 Newton 안에서 MuJoCo Warp 솔버와 나란히 있어, 연구자는 새로운 물리 스택을 도입하지 않고 바꿔 쓸 수 있고 작동 방식을 읽고 시험하고 고칠 수 있습니다. 또한 로봇용 파운데이션 모델을 만들고 시뮬레이션으로 학습시키는 회사인 Skild AI의 첫 오픈소스 공개이며, 브라우저 플레이그라운드에서는 GPU 워크스테이션 없이도 누구나 솔버를 써 볼 수 있습니다. 이 속도 향상이 실제 학습 파이프라인에서도 유지되고 sim-to-real 격차를 줄이는 데 도움이 되는지는 Skild 밖의 사람들이 아직 보여 주어야 합니다.
해결하는 문제
GPU 로봇 시뮬레이터는 같은 로봇과 같은 작업의 복사본 수천 개를 돌릴 때 가장 빠르지만, 범용 매니퓰레이션 정책을 학습시키려면 서로 다른 로봇, 물체, 작업이 섞인 배치가 필요하고, 각각 고유한 관절과 계속 바뀌는 접촉을 가집니다. 모든 환경을 가장 큰 환경에 맞춰 채우거나 복잡한 다관절 시스템을 위해 조밀한 행렬을 만들면 GPU 시간과 메모리가 낭비됩니다. Steel은 환경마다 풀이 규모를 정하고, 비슷한 다관절 시스템을 묶고, 조밀한 접촉 행렬을 피해서 GPU 하나가 로봇 암, 손, 사족 보행 로봇, 휴머노이드가 섞인 배치를 낭비를 줄여 계산할 수 있게 합니다.
핵심 요점
- Skild AI와 NVIDIA가 만든 강체 물리 솔버로, 2026년 11월 9일 Newton 물리 엔진 안에 SolverSteel로 공개
- 서로 다른 로봇과 작업이 섞인 배치를 위해 설계: 계산량을 환경마다 배정하고 다관절 시스템을 관절 수로 묶음
- 축약 좌표 기반 다관절 동역학과, 행렬을 만들지 않는 사영 Gauss-Seidel 방식의 접촉 및 구속 조건 풀이
- Skild가 RTX PRO 6000 Blackwell GPU 하나로 잰 자체 벤치마크: 단일 작업 20개에서 PhysX의 3.8배, 혼합 배치에서 9.2배에서 13.0배
- Newton의 천, 케이블, 연체, 입자 물질 솔버와 결합할 수 있으며 실험적 미분 가능 스텝도 지원
- WebGPU 포팅 버전인 steel-webgpu가 브라우저에서 솔버를 실행하고 공개 플레이그라운드를 구동
- Steel 저장소와 Newton 모두 Apache-2.0
대상
- 여러 작업과 로봇에 걸쳐 매니퓰레이션 정책을 시뮬레이션으로 학습시키는 로봇 학습 연구자
- 접촉이 많은 다관절 로봇을 위해 더 빠른 솔버를 찾는 Isaac Lab과 Newton 사용자
- 오픈 GPU 접촉 솔버를 연구하거나 확장하려는 물리 시뮬레이션 개발자
- 로봇 모델을 활용한 인터랙티브 강체 물리를 브라우저에서 구현하려는 웹 개발자
한계
- 속도와 메모리 수치는 모두 Skild가 NVIDIA RTX PRO 6000 Blackwell GPU 하나로 직접 잰 것이며 다른 사람이 재현하지 않았음
- 수치는 물리 스텝만 다루며 관측, 보상, 리셋, 렌더링, 정책 학습은 빠져 있어 학습 전체의 이득은 더 작음
- PhysX 비교는 Isaac Sim 6.1을 사용했으며, Skild에 따르면 Isaac Sim 6.0의 PhysX는 혼합 배치를 최대 2.7배 빠르게 실행했으므로 그 버전과는 차이가 더 작음
- 단일 작업 결과는 reuse_kinematics라는 옵션을 썼는데, 이 옵션은 Newton 1.8에서 직접 켜야 하고 관절 속도 한계를 켜면 작동하지 않음
- Newton은 SolverSteel을 실험적 기능으로 표시하므로 옵션과 속성이 일반적인 지원 중단 기간 없이 바뀔 수 있음
- Steel 저장소에는 README, 라이선스, 공개 영상만 있고 코드는 Newton에 있으며, Newton 자체도 1.8 버전은 아직 릴리스 후보 단계임
- Steel은 강체만 풀며, 천, 케이블, 연체, 모래는 결합을 통해 Newton의 다른 솔버가 담당함
- 2026년 11월 9일 공개되어 Skild와 NVIDIA 밖에서는 아직 거의 쓰이지 않았음