論文の概要: Kamino: GPU-based Massively Parallel Simulation of Multi-Body Systems with Challenging Topologies

• arxiv url: http://arxiv.org/abs/2603.16536v1
• Date: Tue, 17 Mar 2026 13:56:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.909343
• Title: Kamino: GPU-based Massively Parallel Simulation of Multi-Body Systems with Challenging Topologies
• Title（参考訳）: Kamino: カオストポロジを持つマルチボディシステムのGPUに基づく大規模並列シミュレーション
• Authors: Vassilios Tsounis, Guirec Maloisel, Christian Schumacher, Ruben Grandia, Agon Serifi, David Müller, Chris Amevor, Tobias Widmer, Moritz Bächer,
• Abstract要約: 神野(かみの)は、異種機械系の大規模並列シミュレーションのためのGPUベースの物理解法である。 キネマティックループのような強く結合されたキネマティックおよび動的制約をサポートする。 異種世界をサポートし、単一のGPU上で構造的に多様なロボットのバッチシミュレーションを可能にする。
• 参考スコア（独自算出の注目度）: 6.496036032030358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Kamino, a GPU-based physics solver for massively parallel simulations of heterogeneous highly-coupled mechanical systems. Implemented in Python using NVIDIA Warp and integrated into the Newton framework, it enables the application of data-driven methods, such as large-scale reinforcement learning, to complex robotic systems that exhibit strongly coupled kinematic and dynamic constraints such as kinematic loops. The latter are often circumvented by practitioners; approximating the system topology as a kinematic tree and incorporating explicit loop-closure constraints or so-called mimic joints. Kamino aims at alleviating this burden by natively supporting these types of coupling. This capability facilitates high-throughput parallelized simulations that capture the true nature of mechanical systems that exploit closed kinematic chains for mechanical advantage. Moreover, Kamino supports heterogeneous worlds, allowing for batched simulation of structurally diverse robots on a single GPU. At its core lies a state-of-the-art constrained optimization algorithm that computes constraint forces by solving the constrained rigid multi-body forward dynamics transcribed as a nonlinear complementarity problem. This leads to high-fidelity simulations that can resolve contact dynamics without resorting to approximate models that simplify and/or convexify the problem. We demonstrate RL policy training on DR Legs, a biped with six nested kinematic loops, generating a feasible walking policy while simulating 4096 parallel environments on a single GPU.
• Abstract（参考訳）: 異種高結合機械系の大規模並列シミュレーションのためのGPUによる物理解法である神野について述べる。 NVIDIA Warpを使用してPythonで実装され、Newtonフレームワークに統合され、大規模な強化学習のようなデータ駆動手法を、キネマティックループのような強く結合されたキネマティックおよび動的制約を示す複雑なロボットシステムに適用することができる。 後者は実践者によってしばしば回避され、システムトポロジーをキネマティックツリーとして近似し、明示的なループ閉鎖制約やいわゆる模倣関節を取り入れている。 神野は、このような結合をネイティブにサポートすることで、この負担を軽減することを目指している。 この能力は、機械的利点のためにクローズド・キネマティック・チェーンを利用する機械システムの真の性質を捉えた高スループット並列化シミュレーションを促進する。 さらに、Kaminoは異種世界をサポートし、単一のGPU上で構造的に多様なロボットのバッチシミュレーションを可能にする。 中心となるのは最先端の制約付き最適化アルゴリズムであり、非線形相補性問題として書き起こされた制約付き剛体フォワードダイナミクスを解くことで制約力を計算する。 これにより、問題を単純化または/または凸化する近似モデルに頼ることなく、接触力学を解くことができる高忠実度シミュレーションが導かれる。 6つのネストされたキネマティックループを持つ二足歩行であるDR Legs上でのRLポリシートレーニングを実演し、単一のGPU上で4096の並列環境をシミュレーションしながら、実行可能な歩行ポリシーを生成する。

関連論文リスト

• GenCP: Towards Generative Modeling Paradigm of Coupled Physics [12.60448078274613]
  GenCPは、結合多物理シミュレーションのための新規で原則化された生成パラダイムである。 確率進化の空間における演算子分割理論を用いて、この「条件付き結合」サンプリングスキームの誤差制御可能性を保証する。 我々は,GenCPの知識と優れた応用性能の両立を実証するために,総合的な設定と3つの挑戦的な多分野シナリオについて,本パラダイムを評価した。
  論文  参考訳（メタデータ） (2026-01-27T12:31:49Z)
• From Black Hole to Galaxy: Neural Operator: Framework for Accretion and Feedback Dynamics [70.27068115318681]
  ニューラルベースの「サブグリッドブラックホール」を導入し、小さな局所力学を学習し、直接シミュレーションに組み込む。 微細な進化の大きなスピードアップにより、我々は、降着駆動のフィードバックで固有の変動を捉え、中心ブラックホールと銀河スケールのガスの動的結合を可能にした。
  論文  参考訳（メタデータ） (2025-12-01T11:47:49Z)
• Self-Supervised Coarsening of Unstructured Grid with Automatic Differentiation [55.88862563823878]
  本研究では,微分可能物理の概念に基づいて,非構造格子を階層化するアルゴリズムを提案する。 多孔質媒質中のわずかに圧縮可能な流体流を制御した線形方程式と波動方程式の2つのPDE上でのアルゴリズムの性能を示す。 その結果,検討したシナリオでは,関心点におけるモデル変数のダイナミクスを保ちながら,格子点数を最大10倍に削減した。
  論文  参考訳（メタデータ） (2025-07-24T11:02:13Z)
• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Stabilizing Reinforcement Learning in Differentiable Multiphysics Simulation [11.360832156847103]
  本稿では,剛体や変形物を含むタスクにおけるRLのスケーリングを実現するための,新しいRLアルゴリズムとシミュレーションプラットフォームを提案する。 我々は,最大エントロピー1次モデルに基づくRLアルゴリズムであるSoft Analytic Policy (SAPO)を導入する。 また,剛体以外の様々な材料を模擬する並列微分可能多物理シミュレーションプラットフォームであるRewarpedを開発した。
  論文  参考訳（メタデータ） (2024-12-16T18:56:24Z)
• Differentiable Simulation of Soft Multi-body Systems [99.4302215142673]
  我々は、Projective Dynamics内でトップダウン行列アセンブリアルゴリズムを開発する。 筋肉,関節トルク,空気圧管によって駆動される軟口蓋体に対して,異なる制御機構を導出する。
  論文  参考訳（メタデータ） (2022-05-03T20:03:22Z)
• Inferring Articulated Rigid Body Dynamics from RGBD Video [18.154013621342266]
  我々は,逆レンダリングと微分可能なシミュレーションを組み合わせるパイプラインを導入し,実世界の調音機構のディジタルツインを作成する。 本手法はロボットが操作する関節機構のキネマティックツリーを正確に再構築する。
  論文  参考訳（メタデータ） (2022-03-20T08:19:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。