От симуляции к конвейеру: NVIDIA представила физический движок Newton для обучения роботов реальному миру

На конференции GTC 2026 в Сан-Хосе NVIDIA объявила о промышленном запуске Newton 1.0 — физического движка с открытым исходным кодом для обучения ^[1] промышленных роботов. Платформа, разработанная совместно с Google DeepMind и Disney Research, перешла из стадии бета-тестирования в стабильную версию и уже применяется Samsung и Skild AI для автоматизации сложных сборочных процессов.

Движок, переданный под управление Linux Foundation, решает одну из главных проблем индустрии — перенос сложных манипуляций деформируемыми объектами из виртуальной симуляции на реальные заводские конвейеры.

На изображении продемонстрирована симуляция роботизированного манипулятора, взаимодействующего с объектами в физической виртуальной среде. Источник: nvidianews.nvidia.com ^[2].

Быстрая симуляция реальности для обучения роботов

NVIDIA анонсировала переход движка Newton из статуса бета-версии, в котором он находился с сентября 2025 года, к стабильному релизу 1.0. Это специализированная среда для симуляции физики, построенная на базе фреймворков NVIDIA Warp и OpenUSD. Ее главная задача — обучать роботов передвижению и контактному взаимодействию с объектами до того, как они выйдут на реальное производство.

Проект позиционируется как открытый: он передан в Linux Foundation и разрабатывался в консорциуме с Google DeepMind, Disney Research и Toyota Research Institute. Движок глубоко интегрирован с новой средой Isaac Lab 3.0. Заявленные технические показатели: при использовании GPU RTX PRO 6000 архитектуры Blackwell встроенный решатель MuJoCo Warp работает до 475 раз быстрее аналогов при симуляции манипуляций. Набор новых инструментов дополнен универсальной моделью мира Cosmos 3 и коммерческими моделями для человекоподобных роботов GR00T N1.7 и N2.

Иллюзия открытого кода и дилемма зависимости

Анонс Newton 1.0 обнажает один из самых интересных парадоксов современной ИИ-индустрии. С одной стороны, NVIDIA подчеркивает нейтральный статус проекта: код открыт, разработка ведется под эгидой независимой организации Linux Foundation, а в числе создателей числятся инженеры DeepMind и Disney. Кажется, что индустрия получает бесплатный и универсальный стандарт для обучения «мозгов» роботов.

Однако заявленная открытость кода нивелируется аппаратной зависимостью. В технической документации прямо указано, что фундаментальной основой Newton является NVIDIA Warp. Заявленные показатели ускорения — в 252 раза для шагающих роботов и в 475 раз для манипуляторов — достигаются исключительно при использовании флагманских видеокарт RTX PRO 6000 Blackwell. В документах умалчивается, насколько эффективно (и вообще возможно ли) развернуть этот открытый код на вычислительных кластерах конкурентов. Возникает закономерный вопрос к инженерам и инвесторам: не является ли open-source инициатива изящным способом создать отраслевой стандарт, который намертво привяжет все R&D-отделы робототехнических компаний к аппаратному стеку монополиста?

Математика прикосновений: как Newton решает проблему Sim-to-Real

Долгие годы главной проблемой робототехники оставался так называемый разрыв между симуляцией и реальностью (Sim-to-Real gap). Алгоритм, идеально работающий в виртуальной среде, терпел крах на заводе, потому что старые физические движки слишком упрощали мир. Они считали контакты между объектами просто математическими точками.

Newton 1.0 решает эту проблему, предлагая модульную систему сложных решателей (solvers). Во-первых, это MuJoCo Warp — оптимизированная для вычислений на видеокартах версия знаменитого симулятора от Google DeepMind. Во-вторых, решатель Kamino, созданный Disney Research специально для сложных механизмов с замкнутыми кинематическими цепями (например, многопальцевых роботизированных кистей).

Но главным прорывом стал отказ от точечных аппроксимаций. Newton использует гидроупругое моделирование контактов (hydroelastic contact modeling) и библиотеку столкновений на основе полей расстояний со знаком (SDF). Простым языком: система теперь высчитывает распределенное давление по всей поверхности соприкосновения объектов. Робот в симуляции «чувствует» не просто факт удара, а то, как именно распределяется сила по его манипулятору. Для работы с тканями, объемными материалами и проводами добавлен отдельный решатель Vertex Block Descent (VBD).

Кабели и серверы: испытание хаосом

Насколько эта математика ^[3] жизнеспособна, показывают первые промышленные внедрения. Компания Skild AI обучает с помощью Newton роботов для сборки серверных стоек с GPU. Это ювелирная работа: нужно вставлять разъемы, размещать платы и закручивать крепеж с минимальными допусками. Именно здесь гидроупругие контакты Newton ��озволяют перенести навыки (политики обучения с подкреплением ^[4]) из симуляции прямо на реальное железо.

Еще более сложный кейс реализует Samsung в партнерстве с Lightwheel на линиях сборки холодильников. Их задача — научить робота вставлять разъем водяного шланга. В промышленной робототехнике манипуляции с кабелями считаются одной из самых сложных задач из-за непредсказуемой деформации и постоянных самопересечений гибкого материала. Система использует двустороннюю связь между MuJoCo Warp и решателем VBD для расчета поведения ^[5] кабеля в зависимости от применяемой силы.

Однако ни один из источников не уточняет ключевой параметр: процент брака. Нам показывают успешные концепты, но остается открытым вопрос о том, сколько итераций обучения требуется для достижения приемлемого уровня точности на реальном конвейере Samsung, и как алгоритмы справляются с износом деталей самого робота, который симуляция предсказать не может.

Масштабы экосистемы: что стоит за двумя миллионами роботов

Newton 1.0 был представлен не в вакууме. На GTC 2026 NVIDIA выстроила цельную архитектуру «физического ИИ». Помимо среды Isaac Lab 3.0, была анонсирована Cosmos 3 — базовая модель мира для робототехнического интеллекта ^[6]. Отдельный акцент сделан на рынок гуманоидов: коммерческая модель GR00T N1.7 вышла в ранний доступ, а предварительная версия GR00T N2, по оценке Дженсена Хуанга, позволяет роботам успешно адаптироваться к новым задачам в неизвестных условиях более чем в два раза чаще, чем ведущие альтернативы на рынке.

Но самая интригующая цифра релиза — заявление NVIDIA о том, что базы установок платформ Isaac и Omniverse по всему миру превысили 2 миллиона роботов. Стоит понимать эту статистику критически: это не означает, что по цехам ходит два миллиона автономных ИИ-гуманоидов с чипами NVIDIA. Речь идет о совокупной базе промышленных манипуляторов, которые проектируются, тестируются или управляются через цифровые двойники в среде Omniverse. Тем не менее, эта цифра фиксирует масштаб проникновения компании в классическую промышленность.

Формирование индустриальных стандартов

Вывод Newton 1.0 из стадии беты означает важный водораздел. NVIDIA больше не ограничивается ролью поставщика аппаратных решений для обучения нейросетей. Компания формирует правила гравитации, трения и упругости для целой индустрии, превращая свои программные решения в безальтернативный полигон для любых физических машин. Если для того, чтобы ваш робот научился вставлять кабель в холодильник, вам нужно обучить его в виртуальном мире, построенном на движке от NVIDIA и ускоренном серверами Blackwell, то вопрос о том, кто на самом деле контролирует рынок робототехники будущего, становится чисто риторическим.

Источники

• Technical Blog — NVIDIA Developer ^[7] — developer.nvidia. Авторы: Spencer Huang

• NVIDIA and Global Robotics Leaders Take Physical AI to the Real World ^[8] — nvidianews.nvidia. Авторы: NVIDIA Newsroom

• Linux Foundation Announces Contribution of Newton by Disney Research, Google DeepMind and NVIDIA ^[9] — linuxfoundation. Авторы: The Linux Foundation

• NVIDIA’s new robot brains head from lab tests to factories, surgery and Disney ^[10] — stocktitan. Авторы: Stock Titan