Genesis：重塑机器人与具身AI的通用物理仿真平台

Genesis是由Genesis Embodied AI团队开发的开源通用物理仿真平台，2024年底正式发布。它从零构建，整合多种物理求解器，支持超高速仿真（单RTX4090达4300万FPS），提供自然语言驱动的生成式数据引擎，具备照片级渲染与可微分设计能力，旨在降低机器人研究门槛，实现自动化数据飞轮。

Genesis诞生于解决传统机器人研发中物理仿真高门槛、高成本的痛点：需掌握复杂API、跨平台兼容问题、人工数据采集耗时。它是从零构建的通用物理引擎，扮演四个角色：通用物理引擎、轻量级机器人仿真平台、照片级渲染系统、生成式数据引擎，实现从物理建模到数据生成的完整workflow。

统一物理引擎

整合多种求解器：刚体动力学、MPM（可变形物体/液体/气体/颗粒）、SPH（流体）、FEM（弹性/塑性体）、PBD（布料/绳索）、稳定流体（烟雾/气体），支持复杂场景交互。

极致性能

单RTX4090仿真Franka机械臂达4300万FPS，GPU加速、并行化设计、跨平台兼容（CPU/NVIDIA/AMD GPU/Apple Metal）。

照片级渲染

内置光线追踪系统，提供接近真实的视觉数据，助力视觉驱动策略训练。

可微分设计

MPM与工具求解器已支持梯度计算，刚体/关节体求解器可微分在开发中，支持基于梯度的优化。

Genesis的生成式智能体框架旨在通过自然语言描述自动生成多模态数据（视觉、物理状态、动作序列等），改变传统人工设计场景、编写代码、标注数据的低效范式，实现自动化数据飞轮。目前底层引擎开源，生成式功能将逐步开放。

简洁安装

Python3.10+环境下两条命令即可安装：pip install torch + pip install genesis-world，支持源码安装与Docker镜像（含光线追踪）。

机器人支持

兼容机械臂、四足机器人、无人机等，支持MJCF/URDF/obj/glb/ply/stl等格式导入。

活跃社区

提供Discord/微信群交流渠道，维护文档与示例代码。

在具身AI热潮下，Genesis作为关键基础设施，应用场景包括：

• 强化学习训练：超高速仿真支持大规模策略学习
• Sim2Real迁移：照片级环境训练策略迁移至真实机器人
• 多模态数据合成：生成带标注的视觉/触觉/运动学数据
• 算法原型验证：快速测试控制/感知算法
• 教育科研：降低机器人学习入门门槛

Genesis自发布后迭代活跃：2025年1月v0.2.1，8月v0.3.0，获Genesis AI公司支持。发布性能基准报告，对比Isaac Gym、MuJoCo等主流仿真器。未来随着生成式框架开放，有望成为机器人数据生产基础设施，连接人类意图与机器能力。

Genesis整合分散工具能力，兼具工业级性能与学术灵活性，是机器人、具身AI、物理AI研究的值得尝试的平台。 项目资源：

• 主页：https://genesis-embodied-ai.github.io/
• GitHub：https://github.com/Genesis-Embodied-AI/genesis-world
• 文档：https://genesis-world.readthedocs.io/