Skild AI、Nvidiaと開発したロボット向け物理シミュレーションエンジン「Steel」をオープンソース公開

物体操作を習得するために、ロボットは何百万回もの試行を重ねる必要があり、こうした反復練習はまずシミュレーション上で行われる。ロボティクス分野で注目を集めるスタートアップのSkild AIは11月9日、Nvidiaと共同開発し社内で使用していた物理シミュレーションエンジンSteelをオープンソースとして公開した。Steelは、Nvidiaらが主導するオープンな物理エンジンNewtonに統合され、同じくNvidiaのロボット学習フレームワークIsaac Labと連携して利用できる。

同一バッチ内で異なるロボットをシミュレート

GPUベースのシミュレータは、同じロボット、同じタスク、わずかなバリエーションという同一シーンを何千回も複製する場合には非常に高い効率を発揮する。これが歩行移動ロボットの進歩を支えてきた。しかし、物体操作はより複雑である。空振りのアーム、キューブを回転させるハンド、物が詰まった箱をまさぐるアームでは、関節数も接触の発生条件も異なる。従来の物理エンジンでこれらのシーンを混在させると、最も負荷の高いシーンに合わせて単純なシーンに「パディング（詰め物）」を行う必要が生じ、計算資源とメモリが無駄に消費されていた。

Skildのブログ記事によれば、Steelは環境ごとに作業を配分し、関節数が近いロボット同士をグループ化して、各ステップで各シーンの必要性に応じて接触計算の規模を動的に調整する。内部アーキテクチャとしては、フェザーストン法による関節ダイナミクスと射影ガウス＝ザイデル法による接触解決を組み合わせており、拘束条件間の巨大な相互作用行列を構築せずに処理を行う。

3.8倍から13倍の性能向上を公表

Skildが公開したデータは、RTX PRO 6000 Blackwell GPU単体におけるシミュレーション速度のみを測定したものである。ロボット学習の標準的な20タスクにおいて、SteelはNvidiaの既存エンジンPhysXと比較して平均3.8倍、MuJoCo Warp比で約1.3倍のスループットを記録し、20タスク中19タスクでPhysXを上回った。異なるシーンが混在するヘテロジニアスなバッチではその差はさらに拡大し、20種類のタスク（ヒューマノイド、四足歩行、アーム、ハンド）を混在させた場合、Steelは毎秒390万ステップに達し、PhysXの最高測定値の13倍を記録した。同一バッチサイズで比較しても12倍高速で、GPUメモリ消費量は約62%少ない。

ただし、Skild自身も重要な点として、Isaac Sim 6.0環境のPhysXは、今回の比較に用いられたバージョン6.1と比べてこれらの混在処理を最大2.7倍高速に実行できたと補足している。そのため、実際の性能差の倍率は比較対象のバージョンに左右される。

提供状況と今後の機能

このソルバーはNewton内でnewton.solvers.SolverSteelとして提供されているが、現状は実験的（experimental）と位置付けられており、パラメータ仕様などは予告なく変更される可能性がある。コードはApache 2.0ライセンスでskild-ai/steelリポジトリにて公開されており、ブラウザ上でデモシーンを動かせるWebGPU版へのリンクも用意されている。さらに、SteelはNewtonの連成シミュレーション（ケーブル、布、砂、柔軟体など）における剛体パートとしての役割も果たせるほか、実験的な機能として微分可能ステップにも対応している。