物理AI仿真现状概览

物理AI的主要挑战在于数据可用性，因为机器人无法像大语言模型（LLMs）那样利用互联网规模的数据集。模拟通过低成本生成大量照片级逼真且物理基础扎实的数据，弥补了这一缺口。现代模拟器现已集成到模型开发循环中，用于感知数据集生成、强化学习（RL）训练、策略评估以及从模拟到现实（sim-to-real）迁移等任务。关键引擎包括：MuJoCo，专注于精确动力学和接触丰富的运动；MuJoCo Warp，其GPU加速变体，用于批量仿真；NVIDIA Isaac Sim，基于Omniverse的框架，提供高保真物理和渲染；以及Isaac Lab，一款轻量级、多后端的机器人学习框架。由英伟达（NVIDIA）、谷歌深度思维（Google DeepMind）和迪士尼研究（Disney Research）联合开发的牛顿（Newton）物理引擎，是开源且GPU加速的，为不同物理系统提供多种求解器。Newton已集成到Isaac Lab中，并支持MuJoCo Warp作为后端。该生态系统正分化成一个分层堆栈，共享基础设施，其中大部分为开源。