本記事では、スケーラブルでフォトリアリスティックなトレーニング環境を可能にすることで、ロボティクスにおけるデータギャップを埋めるシミュレーションの役割を解説し、Physical AIのシミュレーションの現状を概観する。トレーニング、シミュレーション、ロボット搭載という3つのコンピュータによるパラダイムを示し、特定の機能とユースケースに基づいて主要なシミュレーションエンジンを分類している。

  • MuJoCoは、精密なダイナミクスや接触豊富なモーションのための高速で正確な物理エンジンとして注目されており、MuJoCo Warpはバッチ処理された強化学習のためにGPUアクセラレーションを追加する。
  • NVIDIA Isaac Simは、OpenUSDフレームワーク内でPhysXによる高忠実度の物理演算とRTXによるフォトリアリスティックなレンダリングを提供する。
  • Isaac Lab 3.0はOmniverseへの依存を分離し、NewtonまたはMuJoCo Warpを選択可能な、軽量でマルチバックエンド対応のロボット学習をサポートする。
  • Newtonは、NVIDIA、Google DeepMind、Disney Researchによって開発されたオープンソースのGPUアクセラレーション対応・微分可能物理エンジンであり、様々な物理システム向けの複数のソルバーを提供する。

著者らは、シミュレーションがエンボディドAIスタックにおいて基盤となり、生のエンジン速度からスケーラブルで多様性があり高品質なシミュレーション体験を可能にする共有インフラストラクチャ層へと焦点が移行したと結論付けている。