Kamino: GPU-based Simulation of Rigid Multi-Body Physics with Kinematic Loops
作者: Vassilios Tsounis, Guirec Maloisel, Christian Schumacher, Ruben Grandia, Agon Serifi, David Müller, Chris Amevor, Tobias Widmer, Moritz Bächer · CoRL 2026
许可协议
根据 arXiv 的许可协议，以下内容仅依据摘要撰写。
为何重要
具有强耦合约束（例如运动学闭环）的机器人通常被近似为运动学树，再加上额外的闭环约束或模仿关节。Kamino 原生支持这些耦合，并能在一个批次中仿真结构不同的机器人；作者在单个 GPU 上使用 4,096 个并行环境，为一台带有六个嵌套运动学闭环的双足机器人训练了行走策略。
提出的方法
Kamino 采用基于 ADMM 的约束优化来计算约束力，将刚性多体正向动力学作为非线性互补问题求解，无需简化或凸化的模型即可处理接触，并在 GPU 上运行批量化的异构世界。
摘要
我们提出 Kamino，一个基于 GPU 的物理求解器，用于对异构、高度耦合的机械系统进行大规模并行仿真。它用 Python 基于 NVIDIA Warp 实现，并集成到 Newton 框架中，使数据驱动的方法（例如大规模强化学习）能够应用于具有强耦合运动学与动力学约束（例如运动学闭环）的复杂机器人系统。后者通常被规避：把系统拓扑近似为一棵运动学树，再加入显式的闭环约束或所谓的模仿关节。Kamino 旨在通过原生支持这类耦合来减轻这一负担。此外，Kamino 支持异构世界，可在单块 GPU 上对结构各异的机器人进行批量仿真。其核心是一种基于 ADMM 的先进约束优化算法，它把带约束的刚性多体正向动力学转写为非线性互补问题，并通过求解该问题计算约束力。这带来了高保真的仿真，能够解析接触动力学，而无需借助简化或凸化问题的近似模型。我们在一个具有六个嵌套运动学闭环的双足机器人上演示强化学习策略训练，在单块 GPU 上仿真 4,096 个并行环境，得到了可行的行走策略。
链接
- arXiv 2603.16536: https://arxiv.org/abs/2603.16536
- PDF: https://arxiv.org/pdf/2603.16536
- 代码: https://github.com/newton-physics/newton/tree/main/newton/_src/solvers/kamino
- 项目主页: https://kamino.disneyresearch.com/