본 기사는 물리 AI의 시뮬레이션 현황을 개관하며, 확장 가능하고 사진 같은 고품질의 학습 환경을 제공함으로써 로봇 공학에서 데이터 격차를 해소하는 시뮬레이션의 역할을 설명합니다. 훈련, 시뮬레이션, 로봇 탑재라는 3대 컴퓨터 패러다임을 제시하고, 특정 기능과 사용 사례에 따라 주요 시뮬레이션 엔진을 분류합니다.

  • MuJoCo는 정밀한 역학 및 접촉이 많은 동작을 위한 빠르고 정확한 물리 엔진으로 강조되며, MuJoCo Warp는 배치 강화 학습을 위해 GPU 가속을 추가합니다.
  • NVIDIA Isaac Sim은 OpenUSD 프레임워크 내에서 PhysX를 통한 고정밀 물리학과 RTX 기반의 사진 같은 렌더링을 제공합니다.
  • Isaac Lab 3.0은 Omniverse 의존성을 분리하여 Newton 또는 MuJoCo Warp 옵션과 함께 경량화된 다중 백엔드 로봇 학습을 지원합니다.
  • Newton은 NVIDIA, Google DeepMind, Disney Research가 개발한 오픈소스 GPU 가속 미분 가능 물리 엔진으로, 다양한 물리 시스템을 위한 여러 솔버를 제공합니다.

저자들은 시뮬레이션이 임베디드 AI 스택의 핵심 요소가 되었으며, 단순한 엔진 속도에서 확장 가능하고 다양하며 고품질 시뮬레이션 경험을 가능하게 하는 공유 인프라 레이어로 초점이 이동했다고 결론짓습니다.