Este artigo apresenta uma visão geral do estado atual da simulação para IA Física, explicando como a simulação preenche a lacuna de dados para robótica ao permitir ambientes de treinamento escaláveis e fotorrealistas. Ele descreve um paradigma de três computadores (treinamento, simulação e no robô) e categoriza os principais motores de simulação com base em suas capacidades específicas e casos de uso.
- O MuJoCo é destacado como um motor de física rápido e preciso para dinâmica precisa e movimento rico em contato, enquanto o MuJoCo Warp adiciona aceleração por GPU para aprendizado por reforço em lote.
- O NVIDIA Isaac Sim oferece física de alta fidelidade via PhysX e renderização RTX fotorrealística dentro de um framework OpenUSD.
- O Isaac Lab 3.0 desacopla-se das dependências do Omniverse para suportar aprendizado de robôs leve e multi-backend, com opções para Newton ou MuJoCo Warp.
- O Newton é apresentado como um motor de física diferenciável, acelerado por GPU e de código aberto, desenvolvido pela NVIDIA, Google DeepMind e Disney Research, fornecendo múltiplos solucionadores para vários sistemas físicos.
Os autores concluem que a simulação tornou-se fundamental na pilha de IA encarnada, deslocando o foco da velocidade bruta do motor para camadas de infraestrutura compartilhada que permitem experiências simuladas escaláveis, diversas e de alta qualidade.