Newton GPU 物理引擎安装指南：PyPI 安装、可选依赖集配置与内置示例运行

Newton GPU 物理引擎安装指南PyPI 安装、可选依赖集配置与内置示例运行【免费下载链接】newtonAn open-source, GPU-accelerated physics simulation engine built upon NVIDIA Warp, specifically targeting roboticists and simulation researchers.项目地址: https://gitcode.com/GitHub_Trending/newton9/newton本文基于 Newton 官方安装文档系统讲解如何从 PyPI 安装 NewtonNVIDIA Warp 之上的开源 GPU 加速机器人物理仿真引擎、正确选择sim/examples/onnx等可选依赖集、处理 ARM64 Linux 的特殊平台约束并跑通内置示例与 Quick Start 仿真代码。读完后你可以独立完成从零到“GPU 上并行步进 1024 个仿真世界”的完整搭建并理解每个依赖集背后对应的真实第三方包及其用途。一、安装前确认系统要求与平台约束安装入口在 安装文档。在拉取任何包之前先确认本机环境满足最低要求下表为文档原文要求的完整继承要求项最低要求备注Python3.10推荐 3.11操作系统Linux (x86-64, aarch64)、Windows (x86-64)、macOS仅 CPUmacOS 没有 GPU 加速NVIDIA GPU计算能力 5.0Maxwell即 GeForce GTX 9xx 或更新NVIDIA 驱动545CUDA 12550CUDA 12.4性能最佳CUDA12 或 13无需本地安装 CUDA ToolkitWarp 自带运行时其中“不需要本地 CUDA Toolkit”这一点可以从 pyproject.toml 得到印证Newton 唯一的强制依赖是warp-lang1.17.0第 30–32 行CUDA 运行时能力由 Warp 包自身携带其余能力全部通过可选依赖集extras按需引入。平台实测范围兼容性文档 给出了发布版本的测试配置Ubuntu 22.04/24.04x86-64 ARM64、Windows、macOS仅 CPUGPU 覆盖 NVIDIA Ada Lovelace 与 BlackwellPython 3.10CUDA 12/13。此外该文档对 CUDA 版本有分级说明CUDA 12.3可靠进行 CUDA Graph 捕获所必需CUDA 12.4为最佳性能推荐对应驱动 550CUDA 13已支持。Linux aarch64ARM64的额外约束这是文档中特别强调、实践中容易踩坑的部分GLIBC 版本要求在 ARM64 Linux 上importers依赖集需要GLIBC 2.35 或更新。原因是usd-exchange包发布的 Linux ARM64 wheel 基于manylinux_2_35。这一点在 pyproject.toml 的依赖标记中也有体现——ARM64 平台走usd-exchangeplatform_machine aarch64其他平台走usd-core第 65–66 行。包含importers的依赖集如examples、dev都受此限制GLIBC 较旧的分发版例如 GLIBC 2.34 的 RHEL 9可以安装 Newton 基础包但无法从发布 wheel 安装这些 extras。Jetson Thor / DGX Spark 等 ARM64 设备若要在上面安装examples依赖集需要安装 X11 开发库以从源码构建imgui_bundlesudo apt-get update sudo apt-get install -y libx11-dev libxrandr-dev libxinerama-dev libxcursor-dev libxi-dev libgl1-mesa-dev二、安装 Newton基础安装与虚拟环境推荐在虚拟环境中安装避免与其他包冲突。基础安装pip install newton如果要运行内置示例安装examples依赖集包含仿真与可视化依赖pip install newton[examples]各平台的虚拟环境操作# macOS / Linux python -m venv .venv source .venv/bin/activate pip install newton[examples]# Windows 控制台 python -m venv .venv .venv\Scripts\activate.bat pip install newton[examples]# Windows PowerShell python -m venv .venv .venv\Scripts\Activate.ps1 pip install newton[examples]Python 3.10 用户的注意事项在 Python 3.10 上安装imgui_bundleexamples依赖集的成员时可能遇到安装错误。官方建议升级到更高 Python 版本或改用 开发指南 中介绍的uv安装方式。三、运行内置示例安装examples依赖集后直接用模块方式启动默认示例basic_pendulum并可在可视化器侧边栏中浏览切换其他示例python -m newton.examples运行包含 RL 策略推理的示例examples依赖集已内含newton[onnx]提供 Warp-NN 的 ONNX 运行时与解析器pip install newton[examples] python -m newton.examples robot_anymal_c_walk列出全部可用示例python -m newton.examples --list示例 CLI 的源码级细节从源码看python -m newton.examples的入口在 newton/examples/main.py它调用 newton/examples/init.py 中的main()未指定示例名时默认执行basic_pendulum--list打印示例清单否则通过runpy.run_module以__main__身份执行目标示例模块并将剩余命令行参数透传。每个示例共享一套通用参数见 create_parser 附近的实现安装examples后即可使用例如参数默认值说明--viewergl选择可视化器gl/usd/rtx/rerun/null/viser--deviceNone覆盖默认 Warp 设备--num-frames100总帧数--headlessfalse无头模式初始化仅 OpenGL viewer--benchmark [SECONDS]false基准测试模式暖机后测量 FPS--world-count1并行仿真世界数量--broad-phaseexplicit碰撞宽相位nxn/sap/explicit--warp-config KEYVALUE空可重复覆盖warp.config属性文档中提到的两个默认示例对应的源码文件分别是 example_basic_pendulum.py 与 example_robot_anymal_c_walk.py。四、Quick Start从基础包直接驱动仿真只安装基础包pip install newton即可从 Python 直接建模、创建求解器并步进仿真。文档中的完整示例如下仅依赖基础包import warp as wp import newton # 构建模型 builder newton.ModelBuilder() body builder.add_body( xformwp.transform((0.0, 1.0, 0.0), wp.quat_identity()), mass1.0, ) builder.add_shape_sphere(body, radius0.25) builder.add_ground_plane() model builder.finalize() # 创建求解器并分配状态 solver newton.solvers.SolverXPBD(model) state_0 model.state() state_1 model.state() control model.control() collision_pipeline newton.CollisionPipeline(model) contacts collision_pipeline.contacts() newton.eval_fk(model, model.joint_q, model.joint_qd, state_0) # 步进仿真 for step in range(120): state_0.clear_forces() collision_pipeline.collide(state_0, contacts) solver.step(state_0, state_1, control, contacts, 1.0 / 60.0) state_0, state_1 state_1, state_0这段代码用到的顶层符号都来自 newton/init.pyModelBuilder、CollisionPipeline、eval_fk等在newton._src.sim板块被导出SolverXPBD位于newton.solvers命名空间实现见 solver_xpbd.py。示例体现了 Newton 的核心工作流ModelBuilder 建模 → 状态与控制分配 → 碰撞管线 → 求解器步进详见 概览文档。MuJoCo 求解器 多世界并行第二个 Quick Start 示例使用SolverMuJoCo需要先安装sim依赖集pip install newton[sim]# 构建单个机器人模板 template newton.ModelBuilder() template.add_mjcf(humanoid.xml) # 复制为并行世界 builder newton.ModelBuilder() builder.replicate(template, world_count1024) builder.add_ground_plane() model builder.finalize() # 求解器一次性并行步进全部 1024 个世界 solver newton.solvers.SolverMuJoCo(model)replicate()是 Newton 面向强化学习大规模仿真的关键 API一份机器人模板被展开为world_count个世界后GPU 内核按批并行处理无需在 Python 层循环。SolverMuJoCo的实现位于 solver_mujoco.py求解器细节可参考 MuJoCo 求解器指南Isaac Lab 集成则见 Isaac Lab 文档。五、可选依赖集extras完整说明文档列出的依赖集及其用途如下继承自 安装文档并补充 pyproject.toml 中的实际包级细节依赖集用途关键第三方包来自 pyproject.tomlsim仿真依赖含 MuJoComujoco-warp~3.12.0Warp 加速的 MuJoCo、mujoco~3.12.0importers资产导入与网格处理requests按 URI 下载网格、scipy凸包近似、fast-simplification网格简化、alphashape、coacd凸分解Python 3.14、trimesh网格操作与 V-HACD、meshio备用网格加载、pycollada.dae 支持、resolve-robotics-uri-py解析package://、model://等 ROS/Gazebo 风格 URI、usd-core非 ARM64或usd-exchangeARM64、newton-usd-schemas0.5.0Newton USD 模式remesh重网格化供newton.utils.remesh_mesh使用open3d0.19.0受平台标记限制、pyfqmr0.5.0onnxWarp-NN ONNX 运行时供神经执行器与 RL 策略示例warp-nn[onnx]0.3.1examples运行示例所需依赖含可视化与 ONNX 策略推理包含simimportersonnx另加pygletOpenGL 窗口、GitPythonnewton.utils.download_asset()下载资产、imgui_bundleviewer GUI、pyyaml、cbor2二进制录制格式、Pillowtorch-cu12显式需要 PyTorch 的流程训练或加载.pt2/.pt/.pth策略CUDA 12.8 的 PyTorch包含examplestorch2.7.0torch-cu13同上CUDA 13 的 PyTorch包含examplestorch2.10.0notebookJupyter notebook 支持含 Rerun 可视化包含examplesrerun-sdk[notebook]、jupyterlab、jupyter-server-proxy、viser1.0.26dev开发与测试依赖包含examplescoverage[toml]7.8.0docs构建文档的依赖myst-parser、sphinx、pydata_sphinx_theme、nbsphinx等几个从 pyproject.toml 源码可确认的补充事实依赖集包含关系examples拉入sim、importers、onnxdev、notebook、torch-cu12/13又拉入examples。只需安装与你场景最具体的一个集合即可。互斥约束[tool.uv.conflicts]声明torch-cu12与torch-cu13不可同时安装二者分别通过显式索引PyTorch 官方 cu128 / cu130 源解析 PyTorch 来源。文档表之外的rtx依赖集pyproject.toml中还定义了rtxextrasnewton[importers]pygletovrtx0.3NVIDIA OVRTX 光线追踪 viewer与示例 CLI 中--viewer rtx选项对应。ONNX 与 PyTorch 的分工注释明确说明 ONNX 策略推理不需要PyTorchtorch-*依赖集仅服务于确实需要 PyTorch 的工作流。依赖懒加载importers/remesh引入的mujoco、trimesh、open3d、torch等模块在 pyproject.toml 的banned-module-level-imports列表中被禁止顶层导入可推断 Newton 对这些重型依赖采用了函数内延迟导入策略保证基础包仅 Warp即可轻量运行。六、版本管理与后续步骤版本号当前仓库 pyproject.toml 中版本为1.7.0.dev0开发版。安装后可通过newton.__version__查看实际版本。版本方案Newton 采用major.minor.micro语义化版本弃用deprecation与移除只发生在 minor 版本且弃用功能至少保留一个完整 minor 周期。开发版形如1.7.0.dev0发布候选形如1.7.0rc1。完整规则与受支持平台见 兼容性文档历次弃用/移除记录见 CHANGELOG.md。下一步运行python -m newton.examples --list浏览全部示例配合 可视化指南 学习示例交互参考 兼容性文档 确认平台支持与弃用策略阅读 开发指南 了解源码安装、uv安装方式与贡献流程。适用前提小结GPU 加速路径要求 NVIDIA GPU计算能力 5.0与 Linux/Windows 平台macOS 仅支持 CPUARM64 Linux 需留意 GLIBC 2.35 与 X11 开发库两项约束不需要本地 CUDA Toolkit但 CUDA 12.4/13 可获得最佳性能与可靠的 CUDA Graph 捕获。【免费下载链接】newtonAn open-source, GPU-accelerated physics simulation engine built upon NVIDIA Warp, specifically targeting roboticists and simulation researchers.项目地址: https://gitcode.com/GitHub_Trending/newton9/newton创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考