Det avslöjades nyligen genom ett blogginlägg att Newtons fysiksimuleringsmotor, ett kraftfullt verktyg som utvecklats gemensamt av NVIDIA, Disney Research och Google DeepMind, har tagit ett viktigt steg genom att överföras till Linux Foundation.
Detta strategiska drag strävar efter att säkerställa dess tillväxt som ett öppet projekt, oberoende och samarbetsinriktad, fri från stora teknikföretags exklusiva kontroll.
Med denna övergång blir Newton en tillgänglig plattform för forskare, utvecklare och företag runt om i världen. Bland de nya deltagare som redan är med ombord finns Lightwheel, Style3D och akademiska experter från Münchens universitet och Pekings universitet.
Avancerad och skalbar simulering för framtidens robotik
För er som fortfarande inte känner till Newton, bör ni veta att det här projektet Den var utformad för att erbjuda snabb, noggrann och skalbar fysiksimulering., särskilt inriktad på robotforskning.
Dess motor tillåter modellera komplexa beteenden såsom att gå på deformerbara ytor, interagera med ömtåliga föremål eller exakt manipulera realistiska miljöer.
En av projektets främsta styrkor ligger i dess förmågan att utnyttja kraften hos GPU:er, vilket snabbar upp beräkningar och möjliggör mer realistiska simuleringar på kortare tid. Dessutom underlättar dess modulära arkitektur omedelbar integration av nya komponenter eller anpassade algoritmer.
”Newtons tillägg till Linux Foundation representerar ett betydande steg framåt i att skala upp samarbetsrobotsimulering, accelerera utvecklingen, minska kostnaderna och föra oss närmare framtiden för verklig robotsimulering”, säger Jim Zemlin, verkställande direktör för Linux Foundation. ”Vi är glada att välkomna Newton och tillhandahålla den neutrala styrning som dess globala gemenskap behöver för att bygga framtiden för universalrobotar.”
Huvudegenskaper
- GPU-accelereradUtnyttja NVIDIA Warp för snabb och skalbar simulering.
- Implementeringar av flera lösareXPBD, VBD, MuJoCo, Featherstone, Euler
- Diseño modulär: enkelt utbyggbar med nya lösare och komponenter
- DeriverbarStöder differentierbar simulering för maskininlärning och optimering.
- Berikad import/exportLadda modeller från URDF, MJCF, USD med flera.
- Öppen källkodunderhålls av Disney Research, Google DeepMind och NVIDIA.
Viktiga teknologier: NVIDIA Warp och OpenUSD
För att optimera spatial modellering och beräkning med hjälp av GPU:er, Newton använder NVIDIA Warp-ramverket, utformad för prestandaintensiva simuleringsuppgifter. I sin tur använder den OpenUSD-plattformen (Universell scenbeskrivning) för den strukturerade representationen av de hierarkiska data som utgör varje grafisk scen.
Denna tekniska kombination säkerställer ett effektivt arbetsflöde, med interoperabilitet mellan olika modellerings- och renderingsverktyg, vilket utökar möjligheterna för användning inom sektorer som animation, förstärkt verklighet, robotik och vetenskaplig forskning.
Flera backends och differentierbar simulering
Newton är inte begränsad till en enda upplösningsmetod. Ger stöd för olika fysik-backends eller lösare, inklusive Euler, Featherstone, ImplicitMPM, SemiImplicit, Style3D, VBD och XPBD. Dess huvudsakliga backend är baserad på MuJoCo, känt för sin noggrannhet i simulering av kontaktdynamik i flera leder.
Dessutom motorn stöder differentierbar simulering, en avancerad funktion som låter dig beräkna derivator och tillämpa gradientmetoder. Detta Det är viktigt att optimera parametrar och justera fysiska modeller. eller träna artificiella intelligenssystem och autonoma robotar i virtuella miljöer. Newton erbjuder till och med visualisering i realtid, vilket gör att du kan observera modellens beteende allt eftersom variabler justeras.
Det är värt att nämna att Newtons flytt till Linux Foundation representerar mycket mer än en administrativ förändring: det är en öppning mot gemensam innovation. Med sin öppna källkodsbas och expanderande community lovar den här motorn att bli ett viktigt verktyg för modern robotik, maskininlärning och avancerad fysiksimulering.
Slutligen är det värt att nämna att för de som är intresserade av denna fysikmotor bör de veta att Motorkoden, skriven i Python, distribueras under Apache 2.0-licensen., vilket underlättar dess implementering i både akademiska och industriella miljöer. De kan också följa installationsanvisningarna som finns i följande länk.
Om du är intresserad av att lära dig mer om det kan du kontrollera detaljerna i följande länk.