EnglishSkild AI geeft snelle simulator voor robottraining vrij
Skild AI heeft samen met Nvidia Steel vrijgegeven: software die op de computer narekent hoe robots bewegen. Bij een mix van veel soorten robottaken is dat volgens eigen metingen tot 13 keer zo snel als het veelgebruikte PhysX. Iedereen kan de code nu zelf gebruiken en testen.
Robots leren veel vaardigheden niet in de echte wereld, maar in een simulatie: een computer rekent na hoe een robotarm, een robothond of een mensachtige robot beweegt, ergens tegenaan stoot of iets oppakt. Zo kan een robot duizenden keren tegelijk oefenen zonder dat er iets kapotgaat. Hoe sneller die rekensoftware werkt, hoe meer oefening een robot krijgt voor hetzelfde geld.
Het robotbedrijf Skild AI heeft daarvoor op 9 november 2026 Steel vrijgegeven, samen ontwikkeld met chipmaker Nvidia. Steel is een onderdeel van Newton, een open natuurkunde-engine: het deel dat uitrekent hoe stijve voorwerpen en robotgewrichten bewegen en elkaar raken. De code staat gratis op GitHub onder de Apache 2.0-licentie, zodat iedereen hem mag gebruiken en aanpassen. Steel is bedoeld voor Isaac Lab, de trainingsomgeving van Nvidia voor robots.
Veel verschillende robots tegelijk
Wie robots breed wil trainen, laat niet één robot oefenen, maar veel soorten robots op veel soorten taken tegelijk, op één grafische kaart. Die simulaties vragen heel verschillend rekenwerk: een robothand met veel gewrichten die een blokje draait, kost meer dan een arm die een doos duwt. Steel houdt volgens Skild per simulatie bij hoeveel werk er nodig is en zet robots met ongeveer evenveel gewrichten bij elkaar. Zo gaat er minder rekentijd en geheugen verloren.
Wat de metingen laten zien
Skild testte Steel van 7 tot en met 9 november op één Nvidia RTX PRO 6000 Blackwell-kaart. Bij twintig losse trainingstaken was Steel bij negentien sneller dan PhysX, de natuurkundesoftware in Nvidia's robotsimulator Isaac Sim: gemiddeld bijna vier keer zo snel. Ten opzichte van MuJoCo Warp, een andere snelle simulator, was Steel ongeveer een derde sneller.
Het grootste verschil zit bij gemengde groepen van vijf tot twintig soorten taken, met mensachtige robots, vierpotige robots, robotarmen en robothanden door elkaar. Daar haalde Steel volgens Skild 9 tot 13 keer zoveel simulatiestappen per seconde als PhysX op zijn best. In een gelijke test met twintig soorten taken en ruim 61.000 simulaties tegelijk gebruikte Steel bovendien ongeveer 11 gigabyte geheugen, tegen 29 gigabyte voor PhysX.
De cijfers komen van Skild zelf en gaan alleen over het natuurkundige rekenwerk, niet over de hele training: camera's, beloningen en het leren zelf zaten niet in de meting. Skild vergeleek met PhysX uit Isaac Sim 6.1 en meldt zelf dat de vorige versie 6.0 deze gemengde tests tot 2,7 keer sneller deed. Omdat de code en de testopzet openbaar zijn, kunnen andere onderzoekers de resultaten nu nagaan. Wie wil, kan Steel ook in de browser uitproberen, met speelse scènes zoals een toren van houten blokjes en een sloopkogel.
Wat betekent dit voor de weg naar de singulariteit?
Robots die veel verschillende klussen aankunnen, hebben enorm veel oefening nodig in veel verschillende situaties. Kan die oefening sneller en met minder geheugen, dan wordt het goedkoper om zulke brede robotvaardigheden te trainen. Doordat Steel open is, kunnen ook kleinere labs ermee aan de slag. De volgende stap is zien hoeveel sneller complete trainingen er in de praktijk door worden.
