CMU 周衔：物理引擎 Genesis 的源启与未来丨具身先锋十人谈

仿真和真机需并行发展，但要先解决遗留问题更多的仿真。

原标题：CMU 周衔：物理引擎 Genesis 的源启与未来丨具身先锋十人谈
文章来源：AI科技评论
内容字数：15240字

CMU开源物理引擎Genesis：具身智能的“创世纪”

本文介绍了卡内基梅隆大学(CMU)开源的生成式物理引擎Genesis及其核心团队。Genesis旨在为机器人技术及其他领域实现全自动数据生成，其核心亮点在于易用性、速度和功能。

1. Genesis的诞生与演进

Genesis项目领导者周衔博士最初致力于解决复杂流体操作任务（如咖啡拉花）的数据采集难题。由于在真实环境中采集数据成本高昂且困难，他转向仿真环境。发现现有仿真器存在诸多不足后，周衔与其他华人学者合作，逐步将项目从一个专注于软体仿真的特定项目，演进为一个统一的物理仿真平台，最终发展成能够自动生成机器人数据的强大数据引擎。这一转变的关键在于结合大语言模型的能力，利用GPT等模型生成任务描述、环境设置和奖励函数，从而实现数据生成的自动化。

2. Genesis的核心优势

Genesis的三大亮点是易用性、速度和功能。其原生Python开发，简洁易懂的API设计，以及精心设计的可视化界面极大降低了使用门槛。在速度方面，Genesis比现有GPU加速机器人模拟器快一个数量级以上。在功能上，Genesis在一个统一框架中集成了各种物理求解器，支持多种物理性质物体求解，并实现了不同求解器间的交互，支持可微模拟，并原生支持生成式模拟，允许通过语言提示生成各种模态的数据。

3. 开源与合作

周衔强调了开源的重要性，旨在打破计算机图形学和机器人领域之间的壁垒，促进双方人才和技术的融合。Genesis的开发过程也体现了这种合作精神，团队成员来自不同大学和机构，通过自下而上的合作方式，共同完成这个大型项目。项目进展中遇到的最大困难在于协调多位合作者的工作，以及在缺乏经费支持的情况下保持团队的动力。周衔本人也展现出极强的学习能力和解决问题的能力，例如他自学成为工程师，并对Genesis的代码进行了大幅简化，提升了用户体验。

4. 回应质疑与未来展望

Genesis发布后，也面临着对其速度和精度方面的质疑。团队积极回应，提供了详细的技术报告和测试代码，并解释了部分质疑的缘由。团队表示，Genesis在速度方面具有显著优势，并且在精度方面也达到了与Mujoco相当的水平，未来还将进一步提升精度。周衔认为，仿真和真机数据采集都非常重要，两者应结合使用。仿真可以提供海量数据，而真机数据则可以弥补仿真数据的不足。Genesis团队计划持续更新和维护该平台，并将其打造成机器人领域最友好的数据平台。