Skild AI 和英伟达联合推出了 GPU 加速的刚体物理求解器 Steel，它面向机器人强化学习仿真场景，属于 Newton 物理引擎的配套组件，并且已经开源，在官方基准测试里，Steel 在 20 项机器人学习任务中 19 项性能优于 PhysX，混合多类型机器人任务仿真时最高吞吐可达 PhysX 的 13 倍，常规任务平均提速 3.8 倍，很多机器人开发团队做仿真训练时，经常会遇到不同构型机器人混跑算力浪费、接触求解慢、批量仿真吞吐上不去的痛点，Steel 就是针对性优化这个问题，适配机械臂、灵巧手、人形机器人混排仿真，用来给具身智能、工业装配机器人做大规模强化学习训练。
Steel 仿真求解器基础信息清单
| 项目 | 详情 |
|---|---|
| 开发合作方 | Skild AI + NVIDIA 英伟达 |
| 产品定位 | GPU 加速刚体物理求解器，Newton 引擎组件 |
| 开源状态 | 开源，代码仓库 skild-ai/steel |
| 核心用途 | 机器人强化学习仿真、接触碰撞仿真、合成数据生成 |
| 测试硬件 | RTX PRO 6000 Blackwell |
| 对标方案 | PhysX |
| 性能数据 | 单任务平均 3.8 倍吞吐；多机器人混合仿真最高 13 倍吞吐 |
Steel 核心技术特点
1、自适应分组求解：会根据机器人关节数量、接触情况动态分配求解策略，避免简单场景浪费 GPU 算力，支持机械臂、灵巧手、人形机器人同时在同一个仿真环境批量运行。
2、面向机器人学习优化：优先处理抓握、装配、接触交互这类高频机器人任务，提升接触求解的稳定性，降低仿真和现实之间的仿真差距。
3、深度适配 Newton 生态：作为 Newton 物理引擎的一部分，可直接接入 Isaac Lab、Isaac Sim，和英伟达现有机器人仿真工具链打通。
4、原生 GPU 并行：全部计算在 GPU 上执行，适合大规模并行批量仿真，满足强化学习海量样本采集需求。
接入使用步骤
1、拉取 Steel 开源代码仓库，部署在支持 CUDA 的 GPU 环境；
2、基于 Newton 物理引擎、Isaac Lab 框架搭建仿真环境；
3、配置机器人模型、碰撞几何体、接触参数，切换求解器后端为 Steel；
4、批量启动并行仿真，采集交互数据，用于机器人策略强化学习；
5、对比基准 PhysX，调整批量规模、接触约束参数，平衡吞吐和稳定性。
适用场景与局限
适合工业装配机械臂、灵巧手操作、人形机器人运动控制等大量需要接触交互的仿真训练；它是刚体求解器，对软体、流体仿真支持有限，这类场景仍需要搭配其他求解模块。
简单来说，Steel 不是完整仿真软件，是一个物理求解器模块，主打提速机器人批量仿真训练，降低具身智能项目的数据采集成本。
【相关 FAQ】
问题 1：Skild AI 联合英伟达推出 Steel 仿真求解器，Steel 和 PhysX 对比优势在哪？
回答 1：Skild AI 联合英伟达推出 Steel 仿真求解器，Steel 在机器人仿真基准测试里大部分任务吞吐高于 PhysX，多机器人混合仿真最高到 13 倍，还能自适应分组调度 GPU 算力。
问题 2：Skild AI 联合英伟达推出 Steel 仿真求解器，Steel 是独立仿真软件吗？
回答 2：Skild AI 联合英伟达推出 Steel 仿真求解器，Steel 是 Newton 物理引擎的刚体求解组件，不是独立完整仿真软件，要搭配 Isaac Lab、Newton 引擎使用。
问题 3：Skild AI 联合英伟达推出 Steel 仿真求解器，Steel 是否对外开源？
回答 3：Skild AI 联合英伟达推出 Steel 仿真求解器，该求解器已经开源，开发者可以直接访问 skild-ai/steel 代码仓库获取。
【参考资料】
[2026-11-11]（Skild 联手英伟达，开源 Steel 机器人仿真求解器）今日头条
[2026-11-10]（Skild AI and NVIDIA release Steel, a physics solver Skild says runs robot-learning simulation 3.8 times faster than PhysX）AI Brief
[2026-11-09]（Skild AI open-sources Steel physics solver）RuntimeWire
[2026-11-09]（Skild AI open-sources Steel, its robot physics solver）VQV.me
【免责声明】
本内容仅为 Steel 仿真求解器资讯整理，性能数据为 Skild AI 在指定硬件、指定测试场景下的自测结果；不同机器人模型、场景、批量配置下实际提速效果存在差异，Steel 仅刚体仿真，软体仿真能力受限，不构成技术选型担保。
本文来自作者[银尘转接师]投稿，不代表新投网立场，如若转载，请注明出处：https://www.eastpo.net/ai/202611/1326.html
评论列表（4条）
我是新投网的签约作者“银尘转接师”！
希望本篇文章《Skild AI 联合英伟达推出 Steel 机器人仿真求解器》能对你有所帮助！
本站[新投网]内容主要涵盖：互联网行业的追踪与探索
本文概览：Skild AI 和英伟达联合推出了 GPU 加速的刚体物理求解器 Steel，它面向机器人强化学习仿真场景，属于 Newton 物理引擎的配套组件，并且已经开源，在官方基准测试里，Steel 在 20 项机器人学习任务中 19 项性能优于 PhysX，混合多类型机器人任务仿真时最高吞吐可达 PhysX 的 13 倍，常规任务平均提速 3.8 倍，很多机器人开发团队做仿真训练时，经常会遇到不同构型机器人混跑算力浪费、接触求解慢、批量仿真吞吐上不去的痛点，Steel 就是针对性优化这个问题，适配机械臂、灵巧手、人形机器人混排仿真，用来给具身智能、工业装配机器人做大规模强化学习训练。