仿真和真機需并行發展，但要先解決遺留問題更多的仿真。

原標題：CMU 周銜：物理引擎 Genesis 的源啟與未來丨具身先鋒十人談
文章來源：AI科技評論
內容字數：15240字

CMU開源物理引擎Genesis：具身智能的“創世紀”

本文介紹了卡內基梅隆大學(CMU)開源的生成式物理引擎Genesis及其核心團隊。Genesis旨在為機器人技術及其他領域實現全自動數據生成，其核心亮點在于易用性、速度和功能。

1. Genesis的誕生與演進

Genesis項目領導者周銜博士最初致力于解決復雜流體操作任務（如咖啡拉花）的數據采集難題。由于在真實環境中采集數據成本高昂且困難，他轉向仿真環境。 發現現有仿真器存在諸多不足后，周銜與其他華人學者合作，逐步將項目從一個專注于軟體仿真的特定項目，演進為一個統一的物理仿真平臺，最終發展成能夠自動生成機器人數據的強大數據引擎。這一轉變的關鍵在于結合大語言模型的能力，利用GPT等模型生成任務描述、環境設置和獎勵函數，從而實現數據生成的自動化。

2. Genesis的核心優勢

Genesis的三大亮點是易用性、速度和功能。其原生Python開發，簡潔易懂的API設計，以及精心設計的可視化界面極大降低了使用門檻。在速度方面，Genesis比現有GPU加速機器人模擬器快一個數量級以上。在功能上，Genesis在一個統一框架中集成了各種物理求解器，支持多種物理性質物體求解，并實現了不同求解器間的交互，支持可微模擬，并原生支持生成式模擬，允許通過語言提示生成各種模態的數據。

3. 開源與合作

周銜強調了開源的重要性，旨在打破計算機圖形學和機器人領域之間的壁壘，促進雙方人才和技術的融合。Genesis的開發過程也體現了這種合作精神，團隊成員來自不同大學和機構，通過自下而上的合作方式，共同完成這個大型項目。 項目進展中遇到的最大困難在于協調多位合作者的工作，以及在缺乏經費支持的情況下保持團隊的動力。周銜本人也展現出極強的學習能力和解決問題的能力，例如他自學成為工程師，并對Genesis的代碼進行了大幅簡化，提升了用戶體驗。

4. 回應質疑與未來展望

Genesis發布后，也面臨著對其速度和精度方面的質疑。團隊積極回應，提供了詳細的技術報告和測試代碼，并解釋了部分質疑的緣由。團隊表示，Genesis在速度方面具有顯著優勢，并且在精度方面也達到了與Mujoco相當的水平，未來還將進一步提升精度。 周銜認為，仿真和真機數據采集都非常重要，兩者應結合使用。仿真可以提供海量數據，而真機數據則可以彌補仿真數據的不足。Genesis團隊計劃持續更新和維護該平臺，并將其打造成機器人領域最友好的數據平臺。

聯系作者

文章來源：AI科技評論
作者微信：
作者簡介：雷峰網旗下AI新媒體。聚焦AI前沿研究，關注AI工程落地。