Skild AI abre Steel, su motor de simulación física para robots, diseñado junto a Nvidia

Para aprender a manipular objetos, un robot debe entrenar millones de veces, y estos ensayos se realizan primero mediante simulación. Skild AI, una de las empresas emergentes más destacadas de la robótica, publica este 9 de noviembre en código abierto Steel, el motor de simulación física que utilizaba a nivel interno, desarrollado junto a Nvidia. El proyecto se incorpora a Newton, el motor físico abierto impulsado principalmente por Nvidia, y se utiliza junto a Isaac Lab, el entorno de entrenamiento de robots de la propia Nvidia.

Simular robots diferentes dentro del mismo lote

Los simuladores en GPU resultan muy eficientes cuando replican miles de veces la misma escena: el mismo robot, la misma tarea y ligeras variaciones. Esta capacidad ha permitido grandes avances en la locomoción. La manipulación, sin embargo, plantea mayores exigencias: un brazo moviéndose en el vacío, una mano que hace rotar un cubo o un brazo que rebusca en un contenedor saturado no comparten el mismo número de articulaciones ni los mismos contactos. Mezclar estas escenas obliga a los motores convencionales a «rellenar» las más sencillas para alinearlas con las más complejas, lo que desperdicia capacidad de cómputo y memoria.

Según la publicación de Skild, Steel distribuye el trabajo entorno por entorno, agrupa los robots que tienen un número similar de articulaciones y dimensiona la resolución de los contactos según las necesidades de cada escena en cada paso. A nivel interno, combina la dinámica articular de Featherstone con una resolución de contactos mediante Gauss-Seidel proyectado, sin necesidad de construir una gran matriz de interacción entre restricciones.

Mejoras anunciadas de entre 3,8 y 13 veces

Las cifras publicadas por Skild se centran únicamente en la simulación, evaluada en una GPU RTX PRO 6000 Blackwell. En 20 tareas clásicas de aprendizaje robótico, Steel alcanza de media 3,8 veces el rendimiento de PhysX, el motor histórico de Nvidia, y cerca de 1,3 veces el de MuJoCo Warp; asimismo, supera en velocidad a PhysX en 19 de las 20 tareas. La diferencia se amplía notablemente en los lotes heterogéneos: al combinar 20 tipos de tareas (humanoides, cuadrúpedos, brazos y manos), Steel alcanza los 3,9 millones de pasos por segundo, lo que supone 13 veces el máximo registrado por PhysX. Con un tamaño de lote idéntico, se mantiene 12 veces más rápido y consume cerca de un 62% menos de memoria GPU.

La propia Skild advierte de un matiz importante: la versión 6.0 de Isaac Sim ejecutaba estas mezclas con PhysX hasta 2,7 veces más rápido que la versión 6.1, utilizada como base para la comparación. Por tanto, las proporciones varían según la referencia seleccionada.

Qué elementos están ya disponibles

El solver está accesible en Newton bajo el nombre newton.solvers.SolverSteel, todavía catalogado como experimental: sus opciones pueden modificarse sin previo aviso. El código cuenta con licencia Apache 2.0 y se encuentra disponible en el repositorio skild-ai/steel, que también enlaza a una versión WebGPU concebida para interactuar con escenas de demostración desde el navegador. Steel también puede funcionar como componente rígido en las simulaciones acopladas de Newton (cables, telas, arena o cuerpos blandos) e incluye, de forma experimental, un paso diferenciable.