El estado de la simulación para IA física: una visión general

El principal desafío en la inteligencia artificial física es la disponibilidad de datos, ya que los robots no pueden aprovechar conjuntos de datos a escala de internet como los modelos de lenguaje de gran tamaño (LLMs). La simulación supera esta brecha generando grandes cantidades de datos fotorrealistas y físicamente fundamentados a bajo costo. Los simuladores modernos ahora están integrados en el ciclo de desarrollo de modelos para tareas como la generación de conjuntos de datos de percepción, entrenamiento con aprendizaje por refuerzo (RL), evaluación de políticas y transferencia de simulación a realidad. Los motores clave incluyen MuJoCo, que se centra en dinámicas precisas y movimiento con contacto; MuJoCo Warp, una variante acelerada por GPU para simulación por lotes; NVIDIA Isaac Sim, un marco basado en Omniverse para física y renderizado de alta fidelidad; e Isaac Lab, un marco ligero de aprendizaje robótico con múltiples backends. El motor de física Newton, desarrollado por NVIDIA, Google DeepMind y Disney Research, es de código abierto y acelerado por GPU, proporcionando múltiples solucionadores para diferentes sistemas físicos. Newton está integrado en Isaac Lab y admite MuJoCo Warp como backend. El ecosistema se está fragmentando en una pila en capas con infraestructura compartida, gran parte de ella de código abierto.