Skild AI abre o Steel, seu motor de simulação física para robôs, desenvolvido com a Nvidia

Para aprender a manipular objetos, um robô precisa treinar milhões de vezes, e essas tentativas acontecem primeiro em simulação. A Skild AI, uma das startups mais promissoras da robótica, lançou neste 9 de novembro em código aberto o Steel, o motor de simulação física que utilizava internamente, desenvolvido em parceria com a Nvidia. Ele se junta ao Newton, motor de física aberto impulsionado principalmente pela Nvidia, e é utilizado com o Isaac Lab, o framework de treinamento de robôs da mesma Nvidia.

Simular robôs diferentes no mesmo lote

Os simuladores em GPU são muito eficientes quando copiam milhares de vezes a mesma cena: o mesmo robô, a mesma tarefa, com poucas variações. Foi isso que permitiu os avanços da locomoção. A manipulação é mais exigente: um braço no ar, uma mão girando um cubo e um braço revirando uma caixa cheia não compartilham o mesmo número de articulações nem os mesmos contatos. Misturar essas cenas força os motores tradicionais a preencher as mais simples com dados nulos para alinhá-las às mais pesadas, desperdiçando processamento e memória.

De acordo com a publicação da Skild, o Steel divide o trabalho ambiente por ambiente, agrupa os robôs que possuem um número similar de articulações e dimensiona o cálculo de contatos de acordo com as necessidades de cada cena a cada passo. Por baixo do capô, ele combina a dinâmica articular de Featherstone com uma resolução de contatos por Gauss-Seidel projetado, sem montar uma grande matriz de interações entre restrições.

Ganhos anunciados de 3,8 a 13 vezes

Os dados divulgados pela Skild consideram apenas a simulação, operando em uma GPU RTX PRO 6000 Blackwell. Em 20 tarefas convencionais de aprendizado robótico, o Steel atinge, em média, 3,8 vezes o rendimento do PhysX, motor histórico da Nvidia, e cerca de 1,3 vez o do MuJoCo Warp; ele é mais rápido que o PhysX em 19 das 20 tarefas. A distância aumenta em lotes heterogêneos: ao misturar 20 tipos de tarefas (humanoides, quadrúpedes, braços, mãos), o Steel alcança 3,9 milhões de passos por segundo, o equivalente a 13 vezes o pico medido para o PhysX. Com o mesmo tamanho de lote, ele permanece 12 vezes mais rápido e consome cerca de 62% a menos de memória de GPU.

A própria Skild aponta uma ressalva importante: a versão 6.0 do Isaac Sim executava essas misturas com o PhysX até 2,7 vezes mais rápido do que a versão 6.1, usada na comparação. As proporções, portanto, variam conforme a referência adotada.

O que já está disponível

O solver pode ser acessado no Newton sob o identificador newton.solvers.SolverSteel, ainda classificado como experimental: seus parâmetros podem mudar sem aviso prévio. O código está sob a licença Apache 2.0, disponível no repositório skild-ai/steel, que também direciona para uma versão em WebGPU capaz de rodar cenas de demonstração diretamente no navegador. O Steel também pode atuar como componente rígido em simulações acopladas do Newton (cabos, tecidos, areia, corpos deformáveis) e oferece, de forma experimental, um passo de simulação diferenciável.