30.06.2026 11:00
Newton × Reinforcement Learning: четвероногий робот ходит по неровной поверхности】 Мы провели верификацию и оценку reinf
Newton × Reinforcement Learning: четвероногий робот ходит по неровной поверхности】
Мы провели верификацию и оценку reinforcement learning для четвероногого робота в среде, где сыпучий материал (песок) моделировался с помощью MPM (Material Point Method) в Newton.
Результаты:
Наблюдался некоторый дрейф из-за проскальзывания лап на песчаной поверхности, однако политика сохраняла баланс в Isaac Sim.
💡О физическом движке Newton
Newton — это open-source физический движок, совместно разработанный NVIDIA, Google DeepMind и Disney Research.
Он поддерживает GPU-ускорение, высокую масштабируемость и интеграцию с learning framework’ами.
Помимо симуляции твёрдых тел и контактов — сильной стороны классического PhysX — Newton также ориентирован на моделирование сложных физических явлений, критически важных для обучения роботов: неровного рельефа, песчаных поверхностей, деформируемых объектов и т.д.
В Sim2Real одной из главных проблем остаётся разрыв между симуляцией и реальным железом — reality gap.
Особенно это заметно в задачах, где контакт, проскальзывание и деформация напрямую влияют на результат. Поэтому использование физического движка вроде Newton, который позволяет внедрять реалистичные физические эффекты в среду обучения, становится ключевым шагом для перехода от обучения в симуляции к работе в реальном мире.
Ранее Prox Industries уже занималась Sim2Real-реализациями для разных сред, задач и реальных роботов.
В дальнейшем компания планирует интегрировать новый физический движок Newton в свои технологии, чтобы приблизить среды обучения и оценки Physical AI к реальности — не только для ходьбы по сложному рельефу, но и для манипуляции, работы с мягкими объектами, задач со сложными контактами и многого другого — с целью дальнейшего повышения качества моделей.
Мы провели верификацию и оценку reinforcement learning для четвероногого робота в среде, где сыпучий материал (песок) моделировался с помощью MPM (Material Point Method) в Newton.
Результаты:
Наблюдался некоторый дрейф из-за проскальзывания лап на песчаной поверхности, однако политика сохраняла баланс в Isaac Sim.
💡О физическом движке Newton
Newton — это open-source физический движок, совместно разработанный NVIDIA, Google DeepMind и Disney Research.
Он поддерживает GPU-ускорение, высокую масштабируемость и интеграцию с learning framework’ами.
Помимо симуляции твёрдых тел и контактов — сильной стороны классического PhysX — Newton также ориентирован на моделирование сложных физических явлений, критически важных для обучения роботов: неровного рельефа, песчаных поверхностей, деформируемых объектов и т.д.
В Sim2Real одной из главных проблем остаётся разрыв между симуляцией и реальным железом — reality gap.
Особенно это заметно в задачах, где контакт, проскальзывание и деформация напрямую влияют на результат. Поэтому использование физического движка вроде Newton, который позволяет внедрять реалистичные физические эффекты в среду обучения, становится ключевым шагом для перехода от обучения в симуляции к работе в реальном мире.
Ранее Prox Industries уже занималась Sim2Real-реализациями для разных сред, задач и реальных роботов.
В дальнейшем компания планирует интегрировать новый физический движок Newton в свои технологии, чтобы приблизить среды обучения и оценки Physical AI к реальности — не только для ходьбы по сложному рельефу, но и для манипуляции, работы с мягкими объектами, задач со сложными контактами и многого другого — с целью дальнейшего повышения качества моделей.