数万人在X上围观的Genesis，把「世界模型」造出来了？

69 0 0

文章摘要

由卡内基梅隆大学、斯坦福大学、麻省理工计算机科学与人工智能实验室、英伟达和清华大学的核心贡献者共同推出的物理仿真平台Genesis，以其“模拟世间万物”的能力引起了广泛关注。该项目主创之一Zhou Xian表示，Genesis采用了统一的仿真框架，能够以极高的真实度仿真整个物理世界。经过两年的开发，Genesis结合了生成式AI的创造力和真实世界物理的准确性，能够创建虚拟环境并训练机器以更好地理解物理世界。

Genesis具备多种功能，包括一个从零开始重新构建的通用物理引擎，能够模拟广泛的材料和物理现象；一个轻量级、超快、符合Python化且用户友好的机器人仿真平台；一个强大且快速的逼真渲染系统；以及一个能将用户提示的自然语言描述转化为多种形式数据的生成式数据引擎。Genesis的物理引擎完全采用纯Python开发，速度比Isaac Gym和MJX等框架快10到80倍，且不牺牲精确度。它能够在不到2毫秒的时间内同时为10000台机器人手臂求解IK，为大规模机器人模拟、工业自动化和复杂研究项目开创了新的可能性。

Genesis的主要特点包括统一物理模拟、生成式框架、开源可访问性和照片级真实感渲染。它支持角色动作生成和各种机器人控制策略。Genesis团队正在开源底层物理引擎和仿真平台，生成框架的访问权限将在不久的将来逐步推出。

Genesis的目标是构建一个通用数据引擎，利用上层生成框架自主创建物理世界，并伴随多种数据模式，旨在实现机器人、物理AI及其他应用的完全自动化数据生成。它通过降低物理模拟的门槛，虚拟再现现实世界，减少人类在数据生成中的投入，实现机器人及相关领域中自动化和自给自足的数据生态系统。Genesis利用物理模拟和生成式AI技术，自主生成大量多样化的训练数据，降低数据获取的门槛，并尽可能使仿真环境逼近真实世界，支持基于物理原理的触觉传感器模拟。

尽管有网友对Genesis的演示表示怀疑，但Genesis团队的目标是解决具身智能的数据瓶颈，为通用机器人学习提供一个统一的模拟平台。Genesis的本质是证明了某条路可行，但距离真正的创造实际价值，还需要很多下游的产业人员配合。Genesis或许还并不能做到“创世记”，但AI离真实的物理世界的确是越来越近了。