Genesis AI 釋出 Nyx、Quadrants 與 Genesis World 1.0 物理平臺，助力可擴充套件機器人基礎模型評估

Genesis AI 釋出了 Genesis World 1.0，一個旨在加速機器人基礎模型開發的模擬平臺。該平臺由四個核心元件構成：Genesis World 物理引擎、Nyx（即時路徑追蹤渲染器）、Quadrants（Python到GPU編譯器）以及模擬介面。其核心目標是解決機器人模型開發中的一個關鍵瓶頸——策略評估的迭代速度。

在機器人領域，資料獲取和迭代速度是兩大挑戰。儘管業界已大量投入資料收集，但 Genesis AI 指出，模型開發週期的速度，尤其是評估候選策略和比較模型檢查點的效率，是更隱蔽但同樣嚴重的瓶頸。傳統的真實世界評估需要超過200小時的連續機器人操作，且僅針對單次評估。Genesis World 1.0 能在無需人工或硬體介入的情況下，在0.5小時內完成相同評估，且結果完全可重現。

研究團隊特意優先將模擬用於評估而非訓練資料生成。他們的理由是：如果訓練和評估共享相同的模擬分佈，效能提升可能僅僅反映了對模擬器動態的更精確擬合，而非模型本身的真正改進。因此，他們採用零樣本真實到模擬（zero-shot real-to-sim）方法：策略僅用真實世界資料訓練，模擬中不引入任何訓練資料。

在14個任務、每個任務200個episode的測試中，Genesis World 1.0 的模擬結果與硬體 rollout 之間的皮爾遜相關係數達到0.8996（95%置信區間：[0.7439, 0.9314]）。平均最大排名違規（MMRV）僅為0.0166，表明模擬器能保持不同模型的相對效能排序。團隊還構建了即時並排對比裝置，透過切換模擬器與真實機器人的觀測源來診斷現實差距的來源。經過最佳化，他們的模擬與現實差距比次優替代方案縮小了45%（以FID評分衡量）。

平臺的具體元件包括：Nyx，一個GPU加速的路徑追蹤渲染器，能夠以4毫秒或更短時間生成無噪聲的1080p幀，支援批次物理驅動的並行渲染；Genesis World 物理引擎，開源且支援多物理場（剛體、彈性體、MPM、SPH、PBD等），並引入了無屏障彈性動力學，在接觸密集型場景中效能比傳統IPC方法提升高達103倍；Quadrants，一個Python到GPU的跨平臺編譯器，基於Taichi分支開發，在操作和基準測試中效能提升高達4.6倍，且冷快取啟動時間從7.2秒降至0.3秒；以及模擬介面，包括數字孿生、程式化環境生成和跨本體環境等工具。

Genesis World 1.0 的評估框架基於正交擾動維度的分類法，涵蓋視覺、行為和語義三大類，支援細粒度的魯棒性分析。由於模擬評估無需硬體，因此可以輕鬆擴充套件到數千個episode，為大規模模型比較提供了可能。

如需瞭解更多，使用者可以訪問 Genesis AI 的部落格，或透過 GitHub 獲取物理引擎、渲染器和編譯器的原始碼。