Kamino：基于GPU的含运动学闭环刚体多体物理仿真
Kamino 是一个基于 GPU 的物理求解器，用 Python 基于 NVIDIA Warp 实现并集成进 Newton 框架，面向异构、强耦合机械系统的大规模并行仿真。它原生支持运动学闭环，无需把系统拓扑近似为运动学树再加闭环约束或 mimic 关节；核心是基于 ADMM 的约束优化算法，将约束刚体多体正向动力学转写为非线性互补问题求解约束力，从而在不简化或凸化接触模型的情况下解析接触动力学。作者在含六个嵌套运动学闭环的双足机器人上训练强化学习策略，单块 GPU 并行仿真 4,096 个环境，得到可行行走策略。
发布于 10-22 10:56来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Kamino: GPU-based Simulation of Rigid Multi-Body Physics with Kinematic Loops》查看原链
我们提出Kamino，一种基于GPU的物理求解器，用于大规模并行仿真异构、高度耦合的机械系统。 它用Python基于NVIDIA Warp实现，并集成到Newton框架中，可将大规模强化学习等数据驱动方法应用于具有强耦合运动学与动力学约束（如运动学闭环）的复杂机器人系统。
这类闭环常被规避：将系统拓扑近似为运动学树，并引入显式闭环约束或所谓的mimic关节。 Kamino旨在通过原生支持此类耦合来减轻这一负担。 此外，Kamino支持异构世界，可在单块GPU上批量仿真结构多样的机器人。 其核心是基于ADMM的最先进约束优化算法，通过将约束刚体多体正向动力学转写为非线性互补问题来求解约束力。
由此实现高保真仿真，无需借助简化或凸化问题的近似模型即可解析接触动力学。 我们演示了在具有六个嵌套运动学闭环的双足机器人上训练RL策略，在单块GPU上并行仿真4,096个环境，生成了可行的行走策略。