Newton
面向机器人学习的开源 GPU 物理引擎,用 Kamino 求解闭环连杆机构
许可证
- code: Apache 2.0
- documentation: CC BY 4.0
代码:Apache-2.0,依据 newton-physics/newton 中的 LICENSE.md 和 PyPI 软件包元数据。文档:CC BY 4.0,见 README 说明。机器人模型和场景需从 newton-assets 仓库另行下载,并保留各自的许可,多为 Apache-2.0、BSD 或 MIT;两个 Kamino 示例所用的 Disney Research DR Legs 和测试机构资产只能用于研究或软件开发。已于 2026-11-08 对照 LICENSE.md、README、PyPI 和各资产的许可文件核对。
概述
Newton 是一款运行在 GPU 上的开源物理引擎,面向机器人与仿真研究。它由 Disney Research、Google DeepMind 和 NVIDIA 发起,现为 Linux 基金会项目,构建于 NVIDIA Warp 之上,并以 MuJoCo Warp 作为主要的刚体后端。一套 Python API 即可调用多个求解器,覆盖刚性机器人、布料、线缆、软体和颗粒材料,机器人可从 URDF、MJCF 或 OpenUSD 文件加载。Isaac Lab 可以把 Newton 用作强化学习的物理后端。其中的 Kamino 求解器来自 Disney Research,发表于 CoRL 2026,可直接在 GPU 上仿真带闭合运动学回路的机器人,例如并联腿和四连杆机构,而不必把它们近似为树结构。Newton 采用 Apache-2.0 许可,可从 PyPI 安装。
Newton 是一款面向机器人研究者和仿真研究者的 GPU 物理引擎。它由 Disney Research、Google DeepMind 和 NVIDIA 发起,2025 年被捐赠给 Linux 基金会,如今在开放治理下托管。Newton 用 Python 编写,构建在 NVIDIA Warp 之上(Warp 可把 Python 内核编译到 GPU 上运行),由 Warp 早先的仿真模块发展而来。它的主要刚体后端是 MuJoCo Warp,即 Google DeepMind 与 NVIDIA 合作开发的 MuJoCo GPU 版本。
它的思路是:一个模型、一个仿真循环,搭配可互换的求解器。机器人可以用 Python 搭建,也可以从 URDF、MJCF 或 OpenUSD 文件导入;同一个模型可以交给 MuJoCo 求解器推进,也可以用于多体系统的 Featherstone、XPBD 或半隐式求解器,用于布料、线缆和软体的 VBD,用于沙、雪等颗粒材料的隐式 MPM 求解器,用于服装的 Style3D,或者 Kamino。多个求解器可以在同一场景中耦合,部分求解器支持可微仿真以进行基于梯度的优化;引擎还包含碰撞检测、相机和 IMU 等传感器、逆运动学,以及可在桌面或浏览器中运行的可视化工具。它通过 pip 安装,自带一百多个可运行示例,从单摆和行走的四足机器人到布料和颗粒流都有。Isaac Lab 除 PhysX 外也可以在 Newton 上运行其环境,因此为 Isaac Lab 编写的强化学习任务可以使用 Newton 的求解器;使用它的社区项目包括 RoboSimStudio。
Kamino:在 GPU 上仿真闭合运动学回路
大多数用于强化学习的 GPU 仿真器都假定机器人是一棵运动学树。许多真实机构并非如此:并联腿、膝部和夹爪中的四连杆,以及并联机械臂,都会形成闭合回路;通常的做法是把每个回路切开成树,再加上闭合约束或 mimic 关节,这需要调参,还可能改变机器人的行为。Kamino 由 Disney Research 苏黎世团队与 NVIDIA 合作开发,并在一篇 CoRL 2026 论文中介绍,它是 Newton 的一个求解器,按机构的本来面目进行仿真。每个刚体保留自己的位姿,关节、关节限位和带摩擦的接触用近端 ADMM 方法作为硬约束一起求解;在回合重置时,一个正向运动学求解器会把闭环机器人放到一致的位姿上。此外,GPU 上的并行世界可以放入不同的机器人,因此一个策略可以同时在多种身体形态上训练。
在论文中,Kamino 为 DR Legs(一款带六个嵌套运动学回路的双足机器人)训练出行走策略,在一块 GPU 上使用了 4096 个并行环境;在有已知解析解的基础测试中,例如滑动的箱子、弹跳的小球和四连杆机构,它只需少量调参就能吻合解析解,而 MuJoCo Warp 和 XPBD 求解器则需要调参,或出现穿透、晃动或过早滑动。作者还在 Kamino 中为 Disney 的 BDX 和 Olaf 机器人训练了策略,并报告这些策略迁移到了实体机器人上(仿真到现实)。Kamino 的选用方式与 Newton 的其他求解器相同,DR Legs 模型和一个四连杆机构都在它的示例中,Kamino 指南介绍了它的三种动力学后端。
为何重要
Newton 是 Disney Research、Google DeepMind 和 NVIDIA 在中立治理下公开共建的物理层,而不是各自维护一套独立引擎。对研究者来说,这意味着一个采用 Apache-2.0 许可的 Python 包:MuJoCo 的 GPU 求解器、布料、线缆和颗粒材料求解器以及更新的研究型求解器都在同一个接口后面,Isaac Lab 也可以在其上训练,无需完整安装 Isaac Sim。它与 Genesis(另一款拥有多种求解器的 GPU 引擎)和 mjlab(只在 MuJoCo Warp 上提供 Isaac Lab API)并列。Kamino 带来了对闭链机构的原生支持:足式机器人和夹爪中常见的这类机器人,可以直接在 GPU 上用强化学习训练,而不必先改造成树结构。它更精确,也更慢,而且仍处于实验阶段,因此适合真正需要它的机构,而不是所有机器人。
解决的问题
GPU 机器人仿真器一直被绑定在单个公司的引擎和单一物理方法上,而且大多数无法在不做近似和调参的情况下仿真闭合运动学回路。Newton 在 GPU 上把多个求解器放在同一个开放的 Python 接口后面,它的 Kamino 求解器能以强化学习所需的规模,原生仿真并联腿、连杆和其他闭环机构。
要点
- 用 Python 编写的 GPU 物理引擎,基于 NVIDIA Warp,以 MuJoCo Warp 为主要刚体后端
- 由 Disney Research、Google DeepMind 和 NVIDIA 发起,现由 Linux 基金会托管
- 一个模型、一个循环,对接多种求解器:MuJoCo、Featherstone、XPBD、VBD、隐式 MPM、Style3D 和 Kamino
- 可从 URDF、MJCF 和 OpenUSD 导入机器人;部分求解器支持可微仿真
- Isaac Lab 可以把 Newton 用作强化学习的物理后端
- Kamino(CoRL 2026)在 GPU 上原生仿真闭合运动学回路和硬接触
- 论文中,Kamino 在 4096 个并行环境中为一款带六个嵌套回路的双足机器人训练出行走策略
- Apache-2.0 许可,可从 PyPI 安装,附带一百多个可运行示例
适用人群
- 在大规模并行 GPU 仿真中训练策略的机器人学习研究者
- 设计足式机器人、夹爪及其他带并联连杆或四连杆关节机构的工程师
- 希望获得更多求解器选择的 GPU 后端的 Isaac Lab 和 MuJoCo 用户
- 希望把自己的求解器加入一个共享开放引擎的仿真研究者
- 需要把布料、线缆、软体或颗粒材料与机器人一起仿真的团队
局限
- Kamino 标注为实验性的测试版:文档不建议依赖它,并说明其 API 和行为可能随时变更;VBD 同样处于实验阶段
- Kamino 比 MuJoCo Warp 和 XPBD 求解器慢:论文中在 BDX 机器人上,MuJoCo Warp 每秒处理的样本数约是它的 25 倍,因此只有在带闭合回路的机构上才划算
- 论文中的机器人只有 DR Legs 公开;BDX、Olaf 和 Iron Man 的模型属于专有资产,BDX 和 Olaf 上的仿真到现实结果来自作者本人,作者自己也称其规模有限
- GPU 加速需要 Turing 架构或更新的 NVIDIA GPU 及较新的驱动;在 macOS 上只能用 CPU 运行
- Kamino 论文中的 GPU 求解器使用 32 位浮点数,而 CPU 上的 MuJoCo 使用 64 位
- 项目年轻且迭代很快:1.0 版于 2026 年发布,次版本大约每月一次,更新日志也经常把部分 API 标为弃用
- 机器人模型需另行下载并保留各自的许可;两个 Kamino 示例所用的 Disney Research 资产(DR Legs 和一个测试机构)只能用于研究或软件开发