NVIDIA 開源 Newton 物理引擎：聯手 DeepMind 攻克人形機器人模擬

Newton 是由 NVIDIA 聯手 Google DeepMind 和 Disney Research 共同打造的開源 GPU 加速物理引擎，目前已由 Linux 基金會託管，並在 NVIDIA Isaac Lab 中開放測試版。

它的核心任務就是幫人形機器人把虛擬模擬裡的動作平穩搬到現實世界中。過去通用物理引擎很難準確計算複雜的接觸力和關節平衡，而 Newton 能夠高精度模擬機器人在積雪、碎石路面上行走的姿態，以及抓取水杯、水果等易碎和形變物體的細膩互動。

它能做什麼

圍繞 Newton，NVIDIA 這次把整個機器人學習工具鏈都補齊了。

首先是即將上線 Hugging Face 的開源基座模型 Isaac GR00T N1.6。它接入了物理推理榜排第一的 Cosmos Reason 視覺語言模型，能理解模糊指令並拆解成動作步驟。更實用的是，GR00T N1.6 允許人形機器人邊走動邊作業，大幅放寬了軀幹和手臂自由度，比如可以一邊邁步一邊用力推開厚重的大門。

抓取訓練也迎來了自動化流程。在 Isaac Lab 2.3 開發者預覽版中，系統提供了一套靈巧手自適應抓取工作流，能自動調整虛擬環境中的重力、摩擦力和物體重量，讓多指機械手逐步掌握高難度抓取。波士頓動力正是利用這套工作流提升了 Atlas 機器人的操作能力。

為了檢驗模型效果，NVIDIA 還與 Lightwheel 合作推出了開源策略評測框架 Isaac Lab - Arena，讓開發者不用從零搭建環境，就能在大規模模擬中完成標準化跑分。

怎麼做到的與硬體門檻

Newton 底層基於 NVIDIA Warp 和 OpenUSD 框架構建。它的架構很靈活，支援對接不同型別的物理求解器，既能在 Isaac Lab 中使用，也能無縫接入 MuJoCo Playground 等主流訓練環境。

在資料層面，開發者可以在 Hugging Face 上獲取下載量已超 480 萬次的 Physical AI 開源資料集，用裡面的數千條真機和模擬軌跡做後訓練。後續 NVIDIA 還會更新 Cosmos Predict 2.5 和體積縮小至原有三分之一的 Cosmos Transfer 2.5，用來低成本批次生成多視角影片和高保真合成數據。

硬體支援覆蓋了端到端全鏈路。大規模模擬與訓練可在搭載 72 顆 Blackwell GPU 的 GB200 NVL72 機架或 RTX PRO 伺服器上執行；機載端側推理則依託基於 Blackwell 架構的 Jetson Thor 晶片，供機器人在實體硬體上即時處理多模態工作流。

目前 Newton 已在 Isaac Lab 開放，Cosmos Reason 已作為 NIM 微服務上線，GR00T N1.6 也即將登陸 Hugging Face。

為什麼重要

對於正在攻關步態控制、接觸操作和模擬到真實環境遷移的機器人團隊來說，Newton 非常值得第一時間接入測試。它由 DeepMind、Disney 和 NVIDIA 共同背書，直接對準了複雜接觸模擬這一長期痛點，能省下大量自研或魔改物理引擎的精力。

我們認為，NVIDIA 這次把物理引擎、基座模型、資料集和評測工具全套開源，走得相當聰明。它不再只是單純推銷顯示卡算力，而是試圖將 OpenUSD 和 Isaac 打造成物理 AI 領域的通用基礎設施，讓整個機器人學術界和硬體廠商在開發初期就深度繫結到它的軟硬體生態中。