借助 NVIDIA Isaac Lab 和 Newton 訓練四足機器人運動策略

物理在機器人仿真中發揮著至關重要的作用，它為機器人在真實環境中的行為及交互提供了精準的虛擬呈現基礎。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、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實，這一問題被稱為“仿真與現實的差距”（sim-to-real gap）。機器人開發者需要一個統一、可擴展且可定制的解決方案來對現實世界的物理現象進行建模，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，實現從一個點移動到另一個點，以及如何搭建包含工業機械臂的多物理場仿真環境，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，由 Linux Foundation 管理，旨在推動機器人學習與開發領域的發展。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據模型上運行，從而輕松與 Isaac Lab 中的訓練環境集成。

上圖為包含 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的物理模型和狀態。

• 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打造了更快速、更穩健的工作流。Newton 為機器人從仿真走向現實，實現實際應用價值提供了有力支持。

• 借助 Newton 獨立引擎實現多物理場仿真：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實，同時支持基于數據的優化。Newton 可與 Isaac Lab 配合使用，但開發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。

• 生態系統對 Newton 的應用：Newton 開源生態系統正快速發展，眾多頂尖高校和企業正集成專用求解器與工作流，比如蘇黎世聯邦理工學院機器人系統實驗室、光輪智能、北京大學、Style3D、慕尼黑工業大學等。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展，縮小“仿真與現實的差距”提供了通用基礎。

以上為摘要內容，如需閱讀全文，請掃描下方二維碼：