Linux基金会欢迎Newton：新一代机器人开源物理引擎

引言

物理仿真是机器人技术的核心：在机器人实际运动之前，其大部分学习、测试和控制都发生在虚拟环境中。但传统模拟器往往难以匹配真实世界的物理复杂性，特别是在接触、摩擦、可变形材料和不可预测表面方面。这种差异被称为"仿真到现实的差距"，是机器人和具身AI面临的最大障碍之一。

9月29日，Linux基金会宣布将Newton——一个新一代GPU加速的物理引擎——作为一个完全开放、社区治理的项目贡献出来。此举旨在加速机器人研究，降低入门门槛，并确保在中立治理下的长期可持续性。

什么是Newton？

Newton是一个专门为机器人专家和仿真研究人员设计的物理仿真引擎，他们需要高保真度、高性能和可扩展性。它是由迪士尼研究、Google DeepMind和NVIDIA合作构思的。最近对Linux基金会的贡献将Newton转变为一个开放治理项目，邀请更广泛的社区合作。

设计目标与关键特性

• GPU加速仿真：Newton利用NVIDIA Warp作为其计算骨干，在GPU上进行物理计算，比传统的基于CPU的模拟器吞吐量更高
• 可微分物理：Newton允许梯度通过仿真步骤传播，使得将物理集成到学习管道中成为可能
• 可扩展和多求解器架构：用户或研究人员可以插入自定义求解器，混合模型（刚体、软体、布料），并根据领域特定需求定制功能
• 通过OpenUSD实现互操作性：Newton基于OpenUSD（通用场景描述）构建，允许对机器人和环境进行灵活的数据建模，并更容易与资产管道集成
• 与MuJoCo-Warp兼容：作为Newton项目的一部分，MuJoCo骨干被适配（MuJoCo-Warp）用于在Newton框架内进行高性能仿真

Newton的GitHub组织确认该项目在Linux基金会下治理，是社区构建的，并在Apache 2.0许可下授权。

Linux基金会的角色与治理

将Newton置于Linux基金会下的决定标志着一个重要的转折点。Newton现在受益于中立治理、社区监督和长期可持续性，而不是受制于一个企业管理者。

为何贡献给Linux基金会？

• 供应商中立性：拥有多个贡献者（迪士尼、DeepMind、NVIDIA），中立的家园有助于避免冲突并提供共享信任
• 开放社区模式：Linux基金会提供治理流程、贡献者结构、法律框架和值得信赖的品牌来支持增长
• 更广泛的采用：Linux基金会下的项目通常吸引更广泛的贡献者、采用者和集成者基础

治理、许可和代码库

• Newton在Apache 2.0许可下授权，这是一个鼓励商业使用、重新分发和修改的宽松开源许可
• GitHub组织托管了几个代码库：主引擎、治理文档、资产和转换器
• 项目仍处于alpha/早期阶段，预计会出现不稳定性，API可能会快速演变
• 初始集成存在于Isaac Lab中，在一个积极开发的分支中

技术亮点与能力

以下是Newton提供的底层功能及其架构值得注意的原因。

多求解器与可扩展性

Newton支持模块化求解器架构。它允许：

• 自定义求解器或混合求解器（刚体、软体、布料、颗粒）
• 混合域
• 用户定义的约束、积分器、数值方法

可微分物理

一个显著特征是可微分仿真，这意味着Newton可以计算物理结果相对于输入或控制参数的导数。这在将仿真与机器学习耦合时很有价值，机器人可以通过梯度学习，而不仅仅是试错强化。

通过Warp实现GPU加速

Newton构建在NVIDIA Warp之上，它允许用Python编写GPU内核和并行例程。Warp处理低级调度、数据移动和并行执行，因此用户可以在更高级别表达物理逻辑，而无需处理GPU样板代码。

与机器人框架集成

Newton正在集成到Isaac Lab中，在那里它支持仿真到仿真或仿真到现实的工作流程。

数据与资产互操作性

使用OpenUSD作为表示基础有助于Newton与视觉和资产管道清晰集成。

用例与早期采用

Newton的设计使其适用于许多先进的机器人和仿真应用。以下是一些令人兴奋的早期用例：

机器人研究与通用机器人

Newton明确针对通用机器人，这些机器人必须跨多个任务、环境和物理交互行动。

仿真到现实策略转移

由于Newton支持训练和部署工作流程，研究人员可以在仿真中训练控制策略，然后将其转移到真实机器人。

表现力强的机器人角色与娱乐

迪士尼研究计划利用Newton开发必须在现实世界环境中微妙而令人信服地交互的机器人角色。

学术与机构采用

慕尼黑工业大学和北京大学等知名机构已经表现出对Newton的兴趣或参与。

挑战、风险与关注领域

虽然Newton非常有前景，但前面还有几个风险和挑战。

Alpha状态与API不稳定性

Newton目前处于早期开发阶段。随着它的发展，其API可能会改变，功能可能会转移，集成可能会中断。

与成熟引擎的验证

像PhysX、Bullet或MuJoCo这样的成熟引擎拥有数十年的使用、调试和社区支持。

性能与准确性的权衡

模拟器通常平衡速度与物理保真度。

社区与生态系统采用

开源引擎只有在广泛采用的情况下才能蓬勃发展。挑战包括：

• 吸引贡献者和用户
• 构建文档、教程和工具
• 确保与现有框架的互操作性
• 避免碎片化

这对机器人与开源意味着什么

Linux基金会托管Newton不仅仅是一个技术公告，它标志着机器人软件开发与共享方式的转变。

• 降低仿真门槛
• 减少供应商锁定
• 加速创新
• 竞争与合作
• 更好地集成ML与机器人

随着时间的推移，Newton可能成为机器人、仿真和AI赋能物理系统中的基础工具。

结论

Linux基金会采用Newton物理引擎标志着机器人和开源仿真的关键时刻。Newton的架构——GPU加速、可扩展、可微分——使其成为下一代机器人研究和部署的强大引擎。

也就是说，现在还处于早期阶段。稳定性、社区采用和验证将是未来几个月的关键。但如果Newton能够在中立治理下实现其雄心，它有望重塑机器人系统的仿真和学习方式。