Kamino: GPU-based Simulation of Rigid Multi-Body Physics with Kinematic Loops
저자: Vassilios Tsounis, Guirec Maloisel, Christian Schumacher, Ruben Grandia, Agon Serifi, David Müller, Chris Amevor, Tobias Widmer, Moritz Bächer · CoRL 2026
라이선스
arXiv의 라이선스에 따라 아래 내용은 모두 초록만으로 작성했습니다.
중요한 이유
기구학적 루프처럼 강하게 결합된 구속 조건을 가진 로봇은 보통 추가적인 루프 폐합 구속 조건이나 미믹 조인트를 덧붙인 기구학적 트리로 근사된다. Kamino는 이러한 결합을 기본적으로 지원하며 구조가 서로 다른 로봇을 하나의 배치에서 시뮬레이션한다. 저자들은 단일 GPU에서 4,096개의 병렬 환경을 사용해 6개의 중첩된 기구학적 루프를 가진 이족 보행 로봇의 보행 정책을 학습시켰다.
제안 방법
Kamino는 강체 다물체 순동역학을 비선형 상보성 문제로 푸는 ADMM 기반 제약 최적화로 구속력을 계산하며, 단순화하거나 볼록화한 모델 없이 접촉을 해결하고, 배치 처리된 이질적인 월드를 GPU에서 실행한다.
초록
우리는 이질적이고 강하게 결합된 기계 시스템의 대규모 병렬 시뮬레이션을 위한 GPU 기반 물리 솔버 Kamino를 제안한다. Python과 NVIDIA Warp로 구현되고 Newton 프레임워크에 통합된 Kamino는, 대규모 강화 학습 같은 데이터 기반 방법을 기구학적 루프처럼 강하게 결합된 기구학적·동역학적 구속 조건을 가진 복잡한 로봇 시스템에 적용할 수 있게 한다. 이러한 구속 조건은 흔히 시스템의 위상을 기구학적 트리로 근사하고 명시적인 루프 폐합 구속 조건이나 이른바 미믹 관절을 추가하는 방식으로 우회된다. Kamino는 이러한 결합을 기본적으로 지원하여 이 부담을 덜고자 한다. 또한 Kamino는 이질적 월드를 지원하여 구조가 서로 다른 로봇들을 단일 GPU에서 배치 시뮬레이션할 수 있다. 그 핵심에는 ADMM에 기반한 최신 제약 최적화 알고리즘이 있으며, 이는 구속된 강체 다물체 순동역학을 비선형 상보성 문제로 변환하고 이를 풀어 구속력을 계산한다. 그 결과 문제를 단순화하거나 볼록화하는 근사 모델에 의존하지 않고 접촉 동역학을 풀어내는 고충실도 시뮬레이션이 가능하다. 우리는 여섯 개의 중첩된 기구학적 루프를 가진 이족 로봇에서 강화 학습 정책 학습을 시연하며, 단일 GPU에서 4,096개의 병렬 환경을 시뮬레이션하면서 실현 가능한 보행 정책을 얻었다.
링크
- arXiv 2603.16536: https://arxiv.org/abs/2603.16536
- PDF: https://arxiv.org/pdf/2603.16536
- 코드: https://github.com/newton-physics/newton/tree/main/newton/_src/solvers/kamino
- 프로젝트 페이지: https://kamino.disneyresearch.com/