英伟达发布 Newton 1.0 物理引擎，专攻机器人训练

英伟达于周一在圣何塞举行的 GTC 2026 大会上宣布 Newton 1.0 正式发布，推出了一款可用于生产环境的开源物理仿真引擎，专门用于训练机器人在工业环境中完成接触密集型操控和运动任务。此次发布标志着该平台从 2025 年 9 月首次发布的测试版过渡到稳定版本，目前已被制造商采用于实际装配自动化场景。

用于复杂机器人训练的模块化引擎

Newton 1.0 基于 NVIDIA Warp 和 OpenUSD 构建，由 Linux 基金会联合 Google DeepMind 和迪士尼研究院共同开发。该引擎配备了多个刚体求解器，包括 MuJoCo Warp——Google DeepMind 广泛使用的 MuJoCo 模拟器的优化 GPU 版本，以及 Kamino——迪士尼研究院专为机械手和腿足系统等复杂闭链机构设计的求解器。

根据英伟达发布的技术博客，运行在 NVIDIA RTX PRO 6000 Blackwell GPU 上的 MuJoCo Warp，在运动任务中的速度是 MJX 的 252 倍，在操作任务中的速度则高达 475 倍。该引擎还包含通过 Vertex Block Descent 求解器实现的可变形仿真，可模拟电缆、布料和体积材料，同时配备了有向距离场碰撞库和流体弹性接触建模技术，该技术能够捕捉接触表面上的分布式压力，而非依赖点接触近似。开发者博客

Newton 原生集成了 Isaac Lab 3.0，这是英伟达的开源机器人学习框架，该框架也于周一发布了早期访问版本。丰田研究院已加入成为合作伙伴，共同推进求解器开发和接触建模。

从仿真到生产车间

两个早期采用者展示了 Newton 在生产应用中的发展路径。Skild AI 正在使用 Newton 与 Isaac Lab 来训练用于 GPU 机架组装的强化学习策略——这是一项要求严苛的电子制造任务，需要进行连接器插入、电路板放置以及高精度紧固操作。该工作流程依赖于 Newton 基于 SDF 的碰撞检测和水弹性接触来保持策略从仿真迁移到实体硬件所需的保真度。开发者博客

三星正在与 Lightwheel 合作，将 Newton 的可变形仿真能力应用于冰箱装配线上的线缆操控。该系统使用 MuJoCo Warp 与 VBD 线缆求解器之间的双向耦合，模拟机器人插入水管连接器——这是工业操控中难度较高的类别之一，因为涉及线缆自碰撞和力相关变形。

更广泛的物理AI布局

Newton 1.0 只是英伟达在 GTC 大会上发布的更广泛机器人技术公告的一部分。英伟达还推出了 Cosmos 3——一个用于机器人智能的世界基础模型；GR00T N1.7——一个现已开放早期访问的商业许可人形机器人模型；以及 GR00T N2 的预览版。黄仁勋表示，GR00T N2 能够帮助机器人在新环境中完成新任务的成功率是领先替代方案的两倍以上。该公司表示，其 Isaac 和 Omniverse 框架目前在全球的装机量已超过 200 万台机器人。