借助 NVIDIA Isaac Lab 和 Newton 训练四足机器人运动策略

物理在机器人仿真中发挥着至关重要的作用，它为机器人在真实环境中的行为及交互提供了精准的虚拟呈现基础。借助仿真器，研究人员和工程师能够以安全、高效且经济的方式训练、开发、测试和验证机器人控制算法及原型设计。

然而，仿真往往难以完全复刻现实，这一问题被称为“仿真与现实的差距”（sim-to-real gap）。机器人开发者需要一个统一、可扩展且可定制的解决方案来对现实世界的物理现象进行建模，其中包括对不同类型求解器的支持。

本文将介绍如何在NVIDIA Isaac Lab中使用Newton训练四足机器人，实现从一个点移动到另一个点，以及如何搭建包含工业机械臂的多物理场仿真环境，完成衣物折叠任务。

• 关于 Newton：Newton 是一款开源、可扩展的物理引擎，由 NVIDIA、Google DeepMind 和 Disney Research 共同开发，由 Linux Foundation 管理，旨在推动机器人学习与开发领域的发展。Newton 基于 NVIDIA Warp 和 OpenUSD 构建，能让机器人以更高的精度、速度和可扩展性学习处理复杂任务。它与 MuJoCo Playground、Isaac Lab 等机器人学习框架兼容。Newton 求解器 API 为 MuJoCo Warp 等不同物理引擎提供了接口，使其能在基于张量的数据模型上运行，从而轻松与 Isaac Lab 中的训练环境集成。

上图为包含 Isaac Lab、Newton、MuJoCo 和 Warp 标注部分的架构图。Newton 是一个独立的 Python 包，提供 GPU 加速接口，用于描述机器人系统的物理模型和状态。

• 在 NVIDIA Isaac Lab 中使用 Newton 训练四足机器人的运动策略：Isaac Lab 中全新集成了 Newton 物理引擎，为机器人研究与开发打造了更快速、更稳健的工作流。Newton 为机器人从仿真走向现实，实现实际应用价值提供了有力支持。

• 借助 Newton 独立引擎实现多物理场仿真：多物理场仿真能在单一框架中捕捉刚体（如机器人手部）与可变形物体（如布料）之间的耦合交互。这使得机器人设计、控制和任务性能的评估更贴近现实，同时支持基于数据的优化。Newton 可与 Isaac Lab 配合使用，但开发者也可在独立模式下通过 Python 直接调用它，以实验复杂的物理系统。

• 生态系统对 Newton 的应用：Newton 开源生态系统正快速发展，众多顶尖高校和企业正集成专用求解器与工作流，比如苏黎世联邦理工学院机器人系统实验室、光轮智能、北京大学、Style3D、慕尼黑工业大学等。从触觉感知到布料仿真，从灵巧操作到复杂地形运动，这些合作案例充分表明，Newton 为推动机器人学习发展，缩小“仿真与现实的差距”提供了通用基础。

以上为摘要内容，如需阅读全文，请扫描下方二维码：