Steel
Solver de física em GPU da Skild AI para simular ao mesmo tempo muitos robôs e tarefas
Licença
Apache 2.0
Código: Apache-2.0, conforme o arquivo LICENSE do repositório do Steel; o solver em si é distribuído no Newton, que também é Apache-2.0. Mídia e marcas: o arquivo NOTICE diz que a licença não cobre recursos de terceiros, marcas, o vídeo de lançamento nem sua música. Port para navegador: o steel-webgpu é Apache-2.0, e os modelos de robôs incluídos mantêm suas próprias licenças BSD-3-Clause e MIT. Verificado em 2026-11-10 com base em LICENSE, NOTICE e no LICENSE.md do steel-webgpu.
Visão geral
Steel é um solver de física de corpos rígidos em GPU da Skild AI, desenvolvido com a NVIDIA e lançado como código aberto em 9 de novembro de 2026 como parte do motor de física Newton, onde está disponível como SolverSteel. Ele foi pensado para o aprendizado de robôs em simulação quando um lote mistura cenas muito diferentes: braços, mãos destras, quadrúpedes e humanoides, cada um com suas próprias juntas e contatos. Ele combina dinâmica de cadeias articuladas em coordenadas reduzidas com a resolução de restrições por Gauss-Seidel projetado, e dimensiona o trabalho de cada ambiente em vez de preencher cada cena até a maior. A Skild informa 3,8 vezes a vazão de simulação do PhysX em média em 20 tarefas de aprendizado de robôs e até 13 vezes em lotes mistos, medido pela Skild em uma GPU NVIDIA RTX PRO 6000 Blackwell. Um port para WebGPU executa o solver no navegador, com um playground público. Steel usa a licença Apache-2.0 e ainda está marcado como experimental no Newton.
Steel (Scalable Throughput-optimized Engine for Embodied Learning) é um solver de dinâmica de corpos rígidos escrito pela Skild AI junto com a NVIDIA para o Newton, o motor de física de código aberto em GPU construído sobre o NVIDIA Warp e que é um projeto da Linux Foundation. O código do solver fica no repositório do Newton, onde foi adicionado em 15 de outubro de 2026 (pull request) e é usado como newton.solvers.SolverSteel; o repositório do Steel traz o README, a licença e o vídeo de lançamento. A Skild anunciou o lançamento como código aberto em 9 de novembro de 2026 em um post de lançamento, que diz que o Steel serve para acelerar o aprendizado de robôs no Isaac Lab.
O Steel mira um caso para o qual muitos simuladores em GPU não foram feitos: um lote de milhares de ambientes que não são cópias uns dos outros. Um braço robótico que alcança no espaço livre, uma mão destra que gira um cubo e um braço robótico que trabalha em uma caixa bagunçada têm números diferentes de juntas, restrições e contatos, e os contatos mudam a cada passo. O Steel mantém separadas a dinâmica e as restrições de cada ambiente, agrupa para a GPU as cadeias articuladas com número parecido de juntas e distribui o trabalho de contato para cada ambiente conforme o que ele precisa naquele momento, o que reduz o preenchimento e o trabalho desnecessário. Cada passo monta e fatora a matriz de massa no espaço das juntas de cada cadeia articulada e resolve contatos, limites de junta e outras restrições por Gauss-Seidel projetado, reutilizando essa fatoração sem montar uma matriz densa de interações de contato. A documentação do Newton lista seus recursos: juntas prismáticas, de revolução, esféricas, fixas, D6 e livres, acionamentos e limites de junta, juntas mimic, laços cinemáticos fechados, regiões de atrito e o repouso de corpos parados.
Como compartilha o modelo e o pipeline de colisão do Newton, o Steel funciona junto com os outros solvers do Newton. O post de lançamento o mostra como o lado rígido de cenas acopladas com cabos, tecido, areia granular e corpos macios, com contato hidroelástico e com um passo diferenciável experimental que propaga gradientes através do contato.
Todos os números de velocidade são da própria Skild, só de simulação e não de treinamento completo, medidos de 7 a 9 de novembro de 2026 em uma GPU NVIDIA RTX PRO 6000 Blackwell contra o PhysX do Isaac Sim 6.1 e o MuJoCo Warp 3.17, cada motor no seu melhor tamanho de lote. Em 20 benchmarks de tarefa única, o Steel chegou a 3,8 vezes a vazão do PhysX como média geométrica e foi mais rápido em 19 das 20 tarefas; contra o MuJoCo Warp, foi cerca de 1,3 vez mais rápido. Em lotes que misturam 5, 10, 15 ou 20 tipos de tarefa, entre eles humanoides, quadrúpedes, braços e mãos destras, chegou a 9,2 a 13,0 vezes a vazão máxima do PhysX. Com 20 tipos de tarefa e 61.440 ambientes para os dois motores, o Steel foi 12,0 vezes mais rápido e usou cerca de 62% menos memória de GPU, cerca de 11 GiB contra 29 GiB.
A Skild também lançou o steel-webgpu, um port do solver para WebGPU escrito em TypeScript e publicado no npm como @skild-ai/steel-webgpu. Ele carrega cenas de arquivos URDF, MJCF e USD, desenha com three.js ou React Three Fiber e roda no Chrome, Edge ou Safari. O playground do Steel o usa para simular ao vivo 24 cenas no navegador, de Jenga e peças de dominó a um trabuco, onde dá para arrastar objetos e mudar as configurações do solver enquanto ele roda.
Por que importa
A simulação em GPU tornou prático o aprendizado por reforço para robôs que andam: milhares de cópias de um quadrúpede ou de um humanoide treinam em paralelo, e a randomização de domínio ajuda o resultado a passar para o hardware. A manipulação é mais difícil de escalar assim, porque dados de treinamento úteis exigem muitas tarefas, objetos e corpos de robô diferentes, enquanto muitos simuladores em GPU, inclusive os que estão por trás do Isaac Lab, são mais eficientes quando todos os ambientes de um lote são iguais. O Steel é um solver aberto feito para o caso misto e fica dentro do Newton ao lado do solver MuJoCo Warp, então pesquisadores podem passar a usá-lo sem adotar uma nova pilha de física e podem ler, testar e alterar como ele funciona. É também o primeiro lançamento de código aberto da Skild AI, uma empresa que cria modelos de fundação para robôs e os treina com simulação, e o playground no navegador permite que qualquer pessoa experimente o solver sem uma workstation com GPU. Se esses ganhos de velocidade se mantêm em pipelines de treinamento reais e ajudam a fechar a lacuna sim-to-real ainda precisa ser mostrado por pessoas de fora da Skild.
Problema que resolve
Simuladores de robôs em GPU são mais rápidos quando executam milhares de cópias do mesmo robô e da mesma tarefa, mas treinar políticas gerais de manipulação exige lotes que misturem robôs, objetos e tarefas diferentes, cada um com suas próprias juntas e contatos que mudam. Preencher cada ambiente até o maior, ou montar matrizes densas para cadeias articuladas complexas, desperdiça tempo e memória de GPU. O Steel dimensiona a resolução para cada ambiente, agrupa cadeias articuladas parecidas e evita matrizes de contato densas, para que uma GPU possa simular lotes mistos de braços, mãos, quadrúpedes e humanoides com menos trabalho desperdiçado.
Pontos principais
- Um solver de física de corpos rígidos da Skild AI e da NVIDIA, lançado em 9 de novembro de 2026 dentro do motor de física Newton como SolverSteel
- Feito para lotes que misturam robôs e tarefas diferentes: o trabalho é dimensionado por ambiente e as cadeias articuladas são agrupadas por número de juntas
- Dinâmica articulada em coordenadas reduzidas com resolução de contatos e restrições por Gauss-Seidel projetado sem matriz montada
- Benchmarks da própria Skild em uma GPU RTX PRO 6000 Blackwell: 3,8 vezes o PhysX em 20 tarefas únicas e de 9,2 a 13,0 vezes em lotes mistos
- Acopla-se aos solvers de tecido, cabos, corpos macios e materiais granulares do Newton, com um passo diferenciável experimental
- Um port para WebGPU, o steel-webgpu, executa o solver no navegador e roda um playground público
- Apache-2.0, tanto no repositório do Steel quanto no Newton
Para quem é
- Pesquisadores de aprendizado de robôs que treinam políticas de manipulação em simulação com muitas tarefas e robôs
- Usuários do Isaac Lab e do Newton que buscam um solver mais rápido para robôs articulados com muitos contatos
- Desenvolvedores de simulação física que querem estudar ou ampliar um solver de contato aberto em GPU
- Desenvolvedores web que querem física interativa de corpos rígidos com modelos de robôs no navegador
Limitações
- Todos os números de velocidade e memória vêm de medições da própria Skild em uma GPU NVIDIA RTX PRO 6000 Blackwell e não foram reproduzidos por outros
- Os números cobrem só os passos de física, sem observações, recompensas, resets, renderização ou treinamento de políticas, então o ganho no treinamento completo será menor
- A comparação com o PhysX usa o Isaac Sim 6.1; a Skild observa que o PhysX do Isaac Sim 6.0 rodava os lotes mistos até 2,7 vezes mais rápido, então a diferença é menor contra essa versão
- Os resultados de tarefa única usam uma opção, reuse_kinematics, que precisa ser ativada manualmente no Newton 1.8 e fica inativa quando os limites de velocidade das juntas estão ligados
- O Newton marca o SolverSteel como experimental, então suas opções e atributos podem mudar sem o período normal de descontinuação
- O repositório do Steel traz só um README, a licença e o vídeo de lançamento; o código está no Newton, que ainda está em release candidates para a versão 1.8
- O Steel resolve só corpos rígidos; tecido, cabos, corpos macios e areia vêm dos outros solvers do Newton por acoplamento
- Lançado em 9 de novembro de 2026, por isso quase não foi usado fora da Skild e da NVIDIA