Skild Steel

Skild Steel（又称 Steel / STEEL——Scalable Throughput-optimized Engine for Embodied Learning）是 Skild AI 与 NVIDIA 合作开源的 GPU 刚体物理求解器，面向与 Isaac Lab 配合使用的 Newton 引擎。

它以 newton.solvers.SolverSteel 集成，面向异构多机器人批次，采用 Apache-2.0 许可，并提供 WebGPU playground；代码位于 https://github.com/skild-ai/steel 。发布材料称相对 PhysX 几何平均吞吐约 3.8×，在混合机器人任务批次上最高约 13×，量级约 390 万环境步/秒。

要点：

• Skild 官方博文：https://skild.ai/blogs/steel ；
• 面向 Newton / Isaac Lab 机器人训练的开源 GPU 物理求解器；
• 别名 Steel、STEEL、newton.solvers.SolverSteel；
• 异构多机器人批次；Apache-2.0；WebGPU playground；
• 仓库：https://github.com/skild-ai/steel 。

为什么值得关注

具身学习的吞吐常常被物理求解器卡住，尤其是批次里混有多种机器人时。Skild Steel 在 Isaac Lab 所用的 Newton 内攻这一瓶颈：面向可扩展、异构机器人训练的 GPU 刚体求解器，而不是只服务单环境演示。相对 PhysX 的具名加速（约 3.8× 几何平均、混合批次最高约 13×、约 390 万 env steps/s）是机器人实验室关注 CoRL 窗口相关发布的原因。

Apache-2.0 开源、公开 GitHub 与 WebGPU playground 降低了试用门槛，不必依赖闭源厂商二进制。雷达将产品记为 Skild Steel，以免通用词 “Steel” 与无关命中撞车。

局限

吞吐倍数取决于批次构成、GPU 代数与 Newton/Isaac Lab 版本——写入容量规划前请在自有负载上复现。刚体范围未必覆盖所有软体或连续介质需求。请在仓库中确认现行 Newton 集成路径、CUDA/WebGPU 支持与 Apache-2.0 义务。请勿把未公布的显存占用或私有基准分叉当成既成事实。

1. 阅读 https://skild.ai/blogs/steel 并克隆 https://github.com/skild-ai/steel ；
2. 在 Isaac Lab / Newton 训练循环中接入 newton.solvers.SolverSteel；
3. 在同一 GPU 上对混合多机器人批次对比当前 PhysX（或其他）基线；
4. 机队训练前核对 Apache-2.0 条款与 Newton 版本兼容性；按你的任务组合重测 steps/s。