NVIDIA 开源 Newton 物理引擎：联手 DeepMind 攻克人形机器人仿真

Newton 是由 NVIDIA 联手 Google DeepMind 和 Disney Research 共同打造的开源 GPU 加速物理引擎，目前已由 Linux 基金会托管，并在 NVIDIA Isaac Lab 中开放测试版。

它的核心任务就是帮人形机器人把虚拟仿真里的动作平稳搬到现实世界中。过去通用物理引擎很难准确计算复杂的接触力和关节平衡，而 Newton 能够高精度模拟机器人在积雪、碎石路面上行走的姿态，以及抓取水杯、水果等易碎和形变物体的细腻交互。

它能做什么

围绕 Newton，NVIDIA 这次把整个机器人学习工具链都补齐了。

首先是即将上线 Hugging Face 的开源基座模型 Isaac GR00T N1.6。它接入了物理推理榜排第一的 Cosmos Reason 视觉语言模型，能理解模糊指令并拆解成动作步骤。更实用的是，GR00T N1.6 允许人形机器人边走动边作业，大幅放宽了躯干和手臂自由度，比如可以一边迈步一边用力推开厚重的大门。

抓取训练也迎来了自动化流程。在 Isaac Lab 2.3 开发者预览版中，系统提供了一套灵巧手自适应抓取工作流，能自动调整虚拟环境中的重力、摩擦力和物体重量，让多指机械手逐步掌握高难度抓取。波士顿动力正是利用这套工作流提升了 Atlas 机器人的操作能力。

为了检验模型效果，NVIDIA 还与 Lightwheel 合作推出了开源策略评测框架 Isaac Lab - Arena，让开发者不用从零搭建环境，就能在大规模仿真中完成标准化跑分。

怎么做到的与硬件门槛

Newton 底层基于 NVIDIA Warp 和 OpenUSD 框架构建。它的架构很灵活，支持对接不同类型的物理求解器，既能在 Isaac Lab 中使用，也能无缝接入 MuJoCo Playground 等主流训练环境。

在数据层面，开发者可以在 Hugging Face 上获取下载量已超 480 万次的 Physical AI 开源数据集，用里面的数千条真机和仿真轨迹做后训练。后续 NVIDIA 还会更新 Cosmos Predict 2.5 和体积缩小至原有三分之一的 Cosmos Transfer 2.5，用来低成本批量生成多视角视频和高保真合成数据。

硬件支持覆盖了端到端全链路。大规模仿真与训练可在搭载 72 颗 Blackwell GPU 的 GB200 NVL72 机架或 RTX PRO 服务器上运行；机载端侧推理则依托基于 Blackwell 架构的 Jetson Thor 芯片，供机器人在实体硬件上实时处理多模态工作流。

目前 Newton 已在 Isaac Lab 开放，Cosmos Reason 已作为 NIM 微服务上线，GR00T N1.6 也即将登陆 Hugging Face。

为什么重要

对于正在攻关步态控制、接触操作和仿真到真实环境迁移的机器人团队来说，Newton 非常值得第一时间接入测试。它由 DeepMind、Disney 和 NVIDIA 共同背书，直接对准了复杂接触仿真这一长期痛点，能省下大量自研或魔改物理引擎的精力。

我们认为，NVIDIA 这次把物理引擎、基座模型、数据集和评测工具全套开源，走得相当聪明。它不再只是单纯推销显卡算力，而是试图将 OpenUSD 和 Isaac 打造成物理 AI 领域的通用基础设施，让整个机器人学术界和硬件厂商在开发初期就深度绑定到它的软硬件生态中。