Como usar NVIDIA Warp e MjWarp para acelerar simulação e aprendizado robótico

O artigo mostra como migrar uma cena de robótica do MuJoCo para o MuJoCo Warp (MJWarp), uma implementação da física do MuJoCo em NVIDIA Warp que executa simulações em lotes na GPU. O fluxo usa um braço SO-101 em uma tarefa de empilhar cubos, valida primeiro um mundo no MuJoCo para CPU, transfere o modelo e o estado para o MJWarp e chega a até 2.048 ambientes paralelos. A proposta prioriza o throughput agregado de simulação, especialmente em tarefas de amostragem e aprendizado por reforço, em vez da latência de um único mundo.

O texto também apresenta os fundamentos do NVIDIA Warp, incluindo kernels escritos em Python, compilação para CPU ou CUDA, interoperabilidade com PyTorch e JAX, autodiferenciação e modos determinísticos. Na migração, recomenda dimensionar os buffers de contatos e restrições, usar captura de grafos CUDA quando houver lançamentos repetidos e verificar os resultados e o desempenho com ferramentas do MJWarp. O artigo prepara o ambiente de simulação, mas não treina uma política.