由20多个研究所参与、历时2年共同开发，面向通用机器人工学和物理AI应用而设计的开源物理仿真平台“Genesis”已经发布。

Genesis：面向机器人及更广泛领域的生成式通用物理引擎

Genesis 是为通用的机器人工学／具身AI／物理AI应用而设计的物理平台。

• 可模拟各种材料和物理现象、从零重建的通用物理引擎。
• 轻量、超高速、Python风格、用户友好的机器人仿真平台。
• 强大且高速的照片级真实感渲染系统。
• 将用户输入的自然语言描述转换为各种形式数据的生成式数据引擎。

Genesis 搭载了从零开始重新设计与构建的通用物理引擎，将各种物理求解器及其耦合统一到一个框架中。 这一核心物理引擎进一步由在更高层运行的生成式智能体框架增强，目标是面向机器人工学及更广领域实现完全自动化的数据生成。 目前，基础物理引擎与仿真平台已开源。 生成式框架预计将在不久的将来发布。

• 物理上准确且空间一致的视频
• 相机运动和参数
• 人类和动物角色的动作
• 可部署到真实世界的机器人操作与移动策略
• 完全交互式的3D场景
• 开放世界的多关节对象生成
• 语音、面部动画、情感表现

Genesis 的主要特点

• 100% Python：前端界面和后端物理引擎全部以 Python 原生开发
• 易于安装：极其简单、用户友好的 API 设计
• 前所未有的高速并行仿真：Genesis 是世界上最快的物理引擎，在不牺牲仿真精度和保真度的前提下，可实现比现有 GPU 加速机器人仿真器（Isaac Gym/Sim/Lab、Mujoco MJX 等）快 10～80 倍的仿真速度
• 统一框架：支持多种最先进的物理求解器。可建模海量种类的材料和物理现象
• 以优化性能实现照片级真实感的光线追踪渲染
• 可微分性：Genesis 的设计与可微分仿真完全兼容。 目前 MPM 求解器和 Tool 求解器可微分，其他求解器也将在不久后变得可微分（首先从刚体仿真开始）
• 物理上准确且可微分的触觉传感器
• 对生成式仿真的原生支持：可生成多种模态的语言数据，例如交互场景、任务提案、奖励、资产、角色动作、策略、轨迹、相机运动、（物理上准确的）视频等

这是什么……太通用了，能做的事情很多，但总觉得有点跟不上理解。
而且参与的企业和大学也很多，真让人吃惊呢

有关详细信息，请查看项目页面。

链接

项目页面

文档

Github