物理在機器人仿真中發(fā)揮著至關重要的作用，它為機器人在真實環(huán)境中的行為及交互提供了精準的虛擬呈現(xiàn)基礎。借助仿真器，研究人員和工程師能夠以安全、高效且經濟的方式訓練、開發(fā)、測試和驗證機器人控制算法及原型設計。

然而，仿真往往難以完全復刻現(xiàn)實，這一問題被稱為“仿真與現(xiàn)實的差距”(sim-to-real gap)。機器人開發(fā)者需要一個統(tǒng)一、可擴展且可定制的解決方案來對現(xiàn)實世界的物理現(xiàn)象進行建模，其中包括對不同類型求解器的支持。

本文將介紹如何在 NVIDIA Isaac Lab 中使用 Newton 訓練四足機器人，實現(xiàn)從一個點移動到另一個點，以及如何搭建包含工業(yè)機械臂的多物理場仿真環(huán)境，完成衣物折疊任務。

關于 Newton：Newton 是一款開源、可擴展的物理引擎，由 NVIDIA、Google DeepMind 和 Disney Research 共同開發(fā)，由 Linux Foundation 管理，旨在推動機器人學習與開發(fā)領域的發(fā)展。Newton 基于 NVIDIA Warp 和 OpenUSD 構建，能讓機器人以更高的精度、速度和可擴展性學習處理復雜任務。它與 MuJoCo Playground、Isaac Lab 等機器人學習框架兼容。Newton 求解器 API 為 MuJoCo Warp 等不同物理引擎提供了接口，使其能在基于張量的數(shù)據模型上運行，從而輕松與 Isaac Lab 中的訓練環(huán)境集成。

包含 Isaac Lab、Newton、MuJoCo 和 Warp 標注部分的架構圖。Newton 是一個獨立的 Python 包，提供 GPU 加速接口，用于描述機器人系統(tǒng)的物理模型和狀態(tài)

在 NVIDIA Isaac Lab 中使用 Newton 訓練四足機器人的運動策略：Isaac Lab 中全新集成了 Newton 物理引擎，為機器人研究與開發(fā)打造了更快速、更穩(wěn)健的工作流。Newton 為機器人從仿真走向現(xiàn)實，實現(xiàn)實際應用價值提供了有力支持。

借助 Newton 獨立引擎實現(xiàn)多物理場仿真：多物理場仿真能在單一框架中捕捉剛體(如機器人手部)與可變形物體(如布料)之間的耦合交互。這使得機器人設計、控制和任務性能的評估更貼近現(xiàn)實，同時支持基于數(shù)據的優(yōu)化。Newton 可與 Isaac Lab 配合使用，但開發(fā)者也可在獨立模式下通過 Python 直接調用它，以實驗復雜的物理系統(tǒng)。

生態(tài)系統(tǒng)對 Newton 的應用：Newton 開源生態(tài)系統(tǒng)正快速發(fā)展，眾多頂尖高校和企業(yè)正集成專用求解器與工作流，比如蘇黎世聯(lián)邦理工學院機器人系統(tǒng)實驗室、光輪智能、北京大學、Style3D、慕尼黑工業(yè)大學等。從觸覺感知到布料仿真，從靈巧操作到復雜地形運動，這些合作案例充分表明，Newton 為推動機器人學習發(fā)展，縮小“仿真與現(xiàn)實的差距”提供了通用基礎。