Hugging Face 發布了一篇指南，詳細說明如何結合 NVIDIA Warp 與 MjWarp 來建立用於機器人的 GPU 加速可微分物理管線。此方法將 Python 函數編譯為高效的 CUDA 核心，相較於經典的 CPU 版 MuJoCo，能在 NVIDIA GPU 上實現更快的模擬狀態更新。 這項進展標誌著從客製化研究代碼向可重複使用的可微分物理管線轉變，對於擴展機器人訓練負載至關重要。它允許開發者同時運行更多獨立的模擬世界，從而顯著加速 AI/ML 應用中的策略學習過程。 MjWarp 在 NVIDIA Warp 內部實現物理引擎，使 MuJoCo 模型能夠利用 GPU 平行處理來推進狀態。該框架支援與 PyTorch 和 JAX 等主要機器學習庫的整合，促進端到端可微分模擬的實現。
事件背景
MuJoCo（多關節動力學與接觸）是機器人模擬中廣泛使用的物理引擎，傳統上運行在 CPU 上。NVIDIA Warp 是一個 Python 框架，可將 Python 程式碼即時編譯為 GPU 的高效能核心代碼。MjWarp 則是一種特定的實現方式，將 MuJoCo 的模型定義與 Warp 的 GPU 加速能力相連接。
社群觀察
社群認為這是標準化物理 AI 工作流程的實用一步，並指出它簡化了從研究原型到生產就緒模擬管線的過渡。部分討論強調了可微分物理在提高強化學習樣本效率方面的重要性。
