NVIDIA accélère la simulation robotique sur GPU

Résumé

NVIDIA présente MjWarp, fondé sur Warp, pour exécuter jusqu’à 2 048 environnements MuJoCo en parallèle sur GPU dans les flux robotiques.

Les faits

Dans un article publié le 23 septembre 2026 sur Hugging Face, NVIDIA présente une méthode destinée à accélérer les flux de simulation et d’apprentissage en robotique à l’aide de Warp et de MuJoCo Warp, ou MjWarp. MuJoCo classique fournit une simulation rapide sur processeur pour développer, tester et contrôler des robots. Il peut paralléliser l’échantillonnage entre plusieurs cœurs CPU, mais l’augmentation des charges d’apprentissage déplace l’enjeu vers le nombre de mondes capables de s’exécuter simultanément. Construit sur NVIDIA Warp, MjWarp transpose des modèles MuJoCo compatibles vers une exécution à l’échelle du GPU. L’article décrit une migration d’un bras suiveur SO-101 depuis un flux MuJoCo familier vers jusqu’à 2 048 environnements MjWarp parallèles. Le modèle MJCF est chargé et compilé par MuJoCo, tandis que MjWarp implémente la physique dans NVIDIA Warp. Celui-ci compile des noyaux CUDA afin de faire progresser les états de simulation sur des GPU NVIDIA. L’article porte sur la préparation et la mise à l’échelle de l’environnement de simulation, et non sur l’entraînement d’une politique.

Pourquoi c’est important

Le passage d’une simulation exécutée sur CPU à de grands lots d’environnements sur GPU vise à rapprocher la simulation et les données d’apprentissage du dispositif de calcul. Cette organisation répond à l’augmentation des charges de travail en robotique, où le nombre de mondes simulés simultanément devient un enjeu central. L’approche décrite établit également une chaîne technique entre MuJoCo, NVIDIA Warp et les GPU NVIDIA. La migration du bras SO-101 vers jusqu’à 2 048 environnements parallèles illustre une méthode de mise à l’échelle avant les étapes d’intégration consacrées à Newton et Isaac Lab.

Questions fréquentes

Qu’est-ce que MjWarp ?

MjWarp est une technologie fondée sur NVIDIA Warp qui transpose des modèles MuJoCo compatibles vers une simulation exécutée à grande échelle sur GPU.

Combien d’environnements peuvent être exécutés en parallèle dans l’exemple ?

L’exemple présenté porte sur jusqu’à 2 048 environnements MjWarp parallèles pour un bras suiveur SO-101.

Quel est le rôle de MuJoCo dans cette chaîne ?

MuJoCo charge et compile le modèle MJCF, tandis que MjWarp implémente la physique dans NVIDIA Warp.

L’article décrit-il l’entraînement d’une politique robotique ?

Non. Il décrit la préparation et la mise à l’échelle de l’environnement de simulation, sans entraîner de politique.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.