何が起きたか

Skild AIは2026年11月7日、NVIDIAと共同で、オープンソース物理エンジンNewton向けのGPU剛体力学ソルバー「Steel」を発表した。NVIDIA Isaac Labでのロボット学習を加速することを目的とし、単一タスク20種類の評価では19種類でPhysXを上回り、幾何平均の処理速度は3.8倍だった。異なるタスクを混ぜた評価では、PhysXのピーク処理速度に対して9.2〜13.0倍を記録した。

詳細

Skild AIによると、Steelの処理速度はNVIDIA RTX PRO 6000 Blackwell GPU 1基で測定したシミュレーションのみの値で、各エンジンは最良の測定バッチサイズで比較した。20種類のタスクを混ぜた評価では、Steelは245,760環境で毎秒390万環境ステップ、PhysXは61,440環境で毎秒30万ステップだった。同じ61,440環境にそろえた比較では、Steelは毎秒361万ステップでPhysXの12.0倍となり、GPUメモリー使用量は約11GiB対29GiBで約62％少なかった。 5、10、15、20種類のタスクを混ぜた評価で、PhysXのピーク処理速度に対する倍率はそれぞれ9.2倍、10.4倍、12.5倍、13.0倍だった。Steelは関節数が近い機構をまとめ、環境ごとの接触状態に応じて処理を振り分ける設計で、関節の縮約座標力学とProjected Gauss-Seidel法による拘束解法を組み合わせる。Newtonのオープンソース・エコシステムに提供され、Isaac Labとの統合を想定している。

Key Facts

Skild AIは2026年11月7日、NVIDIAと共同でNewton向けGPU剛体力学ソルバー「Steel」を発表した。[1]
20種類の単一タスク評価で、Steelは19種類においてPhysXより高速で、幾何平均のシミュレーション処理速度は3.8倍だった。[1]
異種タスク混合評価では、5、10、15、20種類のタスクに対し、PhysXのピーク処理速度比でそれぞれ9.2倍、10.4倍、12.5倍、13.0倍だった。[1]
20タスク混合の同一バッチサイズ61,440環境で、Steelは毎秒361万環境ステップ、PhysXは毎秒30万環境ステップで、SteelのGPUメモリー使用量は約11GiB、PhysXは約29GiBだった。[1]
測定はNVIDIA RTX PRO 6000 Blackwell GPU 1基でのシミュレーション処理であり、エンドツーエンドのポリシー学習速度ではない。[1]

本紙の見方

Steelの評価で注目すべき点は、単一のロボットや課題を大量に複製する場合の高速化だけでなく、異なる機構・タスクを同じバッチ内で扱う性能を示したことだ。20タスク混合での13.0倍は各エンジンの最良バッチサイズ同士の比較であり、同一の61,440環境にそろえた場合は12.0倍となる。比較条件の違いを区別して読む必要がある一方、同一バッチでも処理速度差とメモリー使用量の差が示されている点は、異種環境を同時に計算する設計上の成果として位置づけられる。 本紙のNVIDIA、CoRLで精密作業をシミュレーションで学ぶロボット研究を紹介は、歯車の位置合わせやケーブル接続、小型部品の組み立てを扱っていた。今回のSteelは、個別の精密作業そのものではなく、関節数や接触状態の異なるロボット・環境をまとめて処理する計算基盤に焦点を置く。両者はシミュレーションをロボット学習に使う点で接続するが、Steelの測定値だけから、特定作業の学習時間や実機での成功率が改善すると結論づけることはできない。 構造面では、SteelはNewtonのモデル表現と衝突処理基盤を共有し、Isaac Labでの学習への統合を想定する。ロボットや課題ごとに別々の物理計算環境を用意するのではなく、異なる経験を同じ計算枠組みで扱う方向を示すものだ。Skild AIは、シミュレーション経験の量だけでなく多様性も汎用ポリシーに関係すると説明する。ただし、今回公表された数値はシミュレーションの処理速度であり、エンドツーエンドの学習速度ではない。今後は、Steelを使った学習でポリシーの性能や実機への転移がどう変わるか、実世界データによる接地と検証をどのように組み合わせるかが評価点となる。

なぜ重要か

Steelの測定では、異なる20タスクを混ぜた場合でも、同一バッチサイズでPhysX比12.0倍の処理速度と約62％少ないGPUメモリー使用量が示された。これは、複数のロボット構造や課題を同時に扱うシミュレーションを組む研究者に関係するが、数値は単一GPUでのシミュレーション測定であり、学習全体や実機性能の改善を示すものではない。