Kamino : simulation sur GPU de la physique des multicorps rigides avec boucles cinématiques

Kamino est un solveur physique open source exécuté sur GPU, écrit en Python avec NVIDIA Warp et intégré au framework Newton. Il vise la simulation massivement parallèle de systèmes mécaniques hétérogènes et fortement couplés. Son point central est la prise en charge native des boucles cinématiques fermées, que la plupart des simulateurs contournent en approximant le robot par un arbre cinématique, auquel ils ajoutent des contraintes de fermeture de boucle explicites ou des articulations dites « mimic ». Kamino accepte aussi des mondes hétérogènes, c'est-à-dire des robots de structures différentes simulés en lot sur un même GPU. Le calcul des forces de contrainte repose sur un algorithme d'optimisation sous contraintes de type ADMM. Il résout la dynamique directe du multi-corps rigide, formulée comme un problème de complémentarité non linéaire. Les contacts sont ainsi traités sans modèle simplifié ou convexifié. Les auteurs présentent un entraînement par apprentissage par renforcement sur un bipède doté de six boucles cinématiques imbriquées. Il a produit une politique de marche viable avec 4 096 environnements parallèles sur un seul GPU.

Pour les équipes qui conçoivent des robots, l'enjeu est concret. Beaucoup de mécanismes réels, comme les jambes à actionneurs linéaires, les poignets parallèles ou les transmissions par bielles, forment des boucles fermées. Les représenter fidèlement en simulation évite des approximations qui creusent l'écart sim-to-real et obligent à bricoler les modèles avant l'entraînement. Si l'approche tient ses promesses à grande échelle, l'apprentissage par renforcement pourrait s'appliquer directement à des architectures mécaniques plus proches du matériel livré. La prise en charge de robots structurellement variés dans un même lot intéresse aussi les entraînements multi-embodiment. Il faut toutefois rester prudent. La démonstration annoncée porte sur un seul bipède et sur la simple obtention d'une marche « faisable ». Elle ne s'accompagne, dans ce résumé, d'aucun chiffre de débit, de comparaison avec MuJoCo, Isaac Sim ou d'autres moteurs, ni de preuve de transfert sur robot réel. La précision d'un solveur non convexifié se paie souvent en temps de calcul, et ce compromis reste à mesurer.

Ce travail s'inscrit dans l'écosystème de simulation GPU qui s'est structuré autour de NVIDIA Warp et de Newton, où la vitesse d'entraînement par RL est devenue un avantage concurrentiel pour les acteurs de l'humanoïde. Kamino arrive après des moteurs comme Isaac Gym et MuJoCo MJX/Warp, qui privilégient en général les structures arborescentes. Il s'agit ici d'une version révisée (v2) d'un préprint arXiv, sans revue par les pairs à ce stade. Les prochaines étapes à surveiller sont des benchmarks publiés, des validations sur robots physiques et l'adoption par des fabricants dont les mécanismes parallèles rendent ces boucles incontournables.