📝 [GTC 2026 세션] Newton 물리 엔진 입문 — 로보틱스를 위한 오픈소스 시뮬레이터
NVIDIA GTC 2026 세션 An Introduction to the Newton Physics Engine for Robotics (S81613) 의 핵심 내용을 세션 개요·발표 내용 기준으로 정리한 노트입니다. 같은 주제의 기술 블로그 번역은 Newton, 산업용 로보틱스 기능을 더하다 노트를 참고하세요.
영상 보기
NVIDIA On-Demand는 보안 정책(frame-ancestors CSP)상 *.nvidia.com 외 도메인에서의 iframe 임베드를 막아두어, 이 블로그에 영상을 직접 삽입할 수는 없습니다. 아래 링크에서 시청하세요.
▶ NVIDIA On-Demand에서 세션 영상 보기 (S81613)
세션 개요
“로봇은 시뮬레이션에서 더 빠르고 안전하게 학습하지만, 복잡한 관절(joint), 균형(balance), 그리고 접촉 풍부(contact-rich)한 동작은 현재의 물리 엔진에 큰 도전 과제다.”
Newton은 이 문제를 풀기 위해 NVIDIA·Google DeepMind·Disney Research가 함께 만들고 Linux Foundation이 관리하는 오픈소스·확장 가능한 물리 엔진입니다. NVIDIA Warp와 OpenUSD 위에 구축되어 로봇 학습과 개발을 가속하는 것을 목표로 합니다.
이 세션은 Newton의 설계 동기·아키텍처·생태계를 각 창립 기관의 관점에서 소개하는 패널 형식으로 진행되었습니다.
패널 참가자
- NVIDIA — Director, Simulation Technology
- Disney Research Imagineering — Director, Research Lab Zurich
- Google DeepMind — Simulation Lead (MuJoCo)
- Skild AI — CEO & Co-Founder (산업 적용 사례)
Newton이 풀려는 3가지 핵심 과제
로봇 강화학습(RL)에서 반복적으로 발목을 잡는 엔지니어링 문제들입니다.
- 접촉 안정성(contact stability) — 복잡한 마찰 모델을 동반한 다중 접촉(multi-contact) 상황은 시뮬레이션에서 실제 로봇으로의 전이(sim-to-real)가 자주 실패합니다. 안정적이고 고충실도의 접촉 해석이 필요합니다.
- 병렬 시뮬레이션 효율(parallel simulation efficiency) — RL 학습은 수천 개의 환경을 동시에 굴려야 하는데, CPU 기반 엔진은 여기서 병목이 됩니다. GPU 규모의 처리량이 필수입니다.
- 멀티피직스 결합(multi-physics coupling) — 현실 작업은 모래·눈·연질 물체 등 다양한 재료를 다뤄야 하므로, 여러 솔버를 유연하게 결합할 수 있는 아키텍처가 필요합니다.
기술 아키텍처 — 3계층 스택
Newton은 모듈식 3계층 구조로 설계되었습니다.
| 계층 | 역할 | 구성 요소 |
|---|---|---|
| Scene 계층 | 로봇·환경 기술의 표준화 | OpenUSD (MJCF·URDF 임포트 지원) |
| Physics 계층 | 교체 가능한 다중 솔버 | MuJoCo Warp, Kamino(강체/폐루프), VBD(변형체), MPM(입자) 등 |
| Foundation 계층 | GPU 연산 토대 | NVIDIA Warp (GPU JIT 컴파일, 미분 가능 연산) |
Newton을 규정하는 특징
- GPU Accelerated — 수천 개 환경의 대규모 병렬 시뮬레이션
- Extensible — 솔버를 끼워 넣고 교체할 수 있는 멀티 솔버 설계
- Differentiable — 그래디언트 기반 최적화를 가능하게 하는 미분 가능 물리
- Open Source — Apache-2.0 라이선스, Linux Foundation 거버넌스
생태계 / 통합 지점
- Isaac Lab — 물리·카메라 센서 백엔드로 Newton 통합. 작업 정의는 그대로 두고 물리 백엔드만 교체해 정책 견고성을 검증 가능
- MuJoCo Playground — MuJoCo 생태계와의 연속성
- 강건한 접촉 충실도를 유지하면서 대규모 병렬 시뮬레이션을 지원 → 접촉 집약적(contact-intensive) 작업에 적합
정리
이 세션은 Newton을 “속도(GPU 병렬)와 사실성(고충실도 접촉·멀티피직스)을 둘 다 잡으려는” 오픈소스 시도로 소개합니다. NVIDIA(Warp/통합), Google DeepMind(MuJoCo), Disney Research(Kamino, 폐루프 메커니즘)라는 세 축의 강점이 하나의 모듈식 엔진으로 합쳐졌고, Skild AI 같은 산업 사용자가 실제 접촉 풍부 조립 작업에서 이를 검증하고 있다는 것이 핵심 메시지입니다.
더 구체적인 코드 예시(Kamino 시뮬레이션 루프, Isaac Lab 설정, SDF/hydroelastic contact, VBD↔︎MuJoCo 케이블 결합)는 동반 기술 블로그 번역 노트에 정리해 두었습니다.