Genesis是一个功能强大的多用途物理模拟框架，专为机器人学、具身智能（Embodied AI）和物理智能（Physical AI）设计。英文全称 A Generative World for General-Purpose Robotics & Embodied AI Learning。
该项目的这座机构和大学：
此类生成式学习环境通常有助于加速具身AI的训练过程，通过虚拟世界中复杂而真实的模拟场景，改进AI在现实任务中的性能。Github链接 - https://github.com/Genesis-Embodied-AI/Genesis。
示例
生成4D动态物理世界
Genesis 通过基于大型语言模型（VLM）的生成代理，利用模拟基础架构提供的API作为工具，创建4D动态世界。这些世界不仅能够作为多模态数据的基础数据源，还能生成物理精确和视角一致的视频及其他数据形式。
角色动作生成
Genesis 能够生成复杂的角色动作场景，例如：
场景示例： 一只手持棍子的迷你孙悟空在桌面上疾跑3秒，随后跃入空中，在着陆时右手挥动棍子。摄像机从他的面部特写开始，逐步跟随角色并拉远。在孙悟空跳跃到空中最高点时动作暂停几秒，摄像机绕角色360度旋转并缓缓上升，最后动作恢复。 一个中国士兵跳“江南Style”舞蹈。 
机器人策略生成
Genesis 致力于通过生成式机器人代理和物理引擎，自动生成机器人在不同场景下的技能策略和示范数据。
机器人任务示例：
一个移动的Franka机械臂使用碗和微波炉加热玉米。 
一个移动的Franka机械臂将地上的物品全部扔进篮子。 
四足机器人示例：
不同步态的四足机器人运动（从模拟到现实）。 四足机器人后空翻。 
3D完全交互场景生成
Genesis 支持生成完全交互的3D场景，例如：
一个包含客厅（带餐区）、卫生间、书房和卧室的家居室内场景。 一个餐厅内部场景。
开放世界的关节对象生成
Genesis 支持生成开放类别的关节网格资产，涵盖超出人类标注的关节对象类别。详情参见即将发表的论文。
软体机器人模拟
Genesis 支持软体或混合（软体外壳和刚性骨架）机器人模拟。
示例： 一个“行走的茶壶”（混合模型）。 一个软体抓取器拾取笔盖（MPM + 刚体）。
语音音频、面部动画及情感生成
Genesis 能够生成与语音、面部动画和情感相关的内容：
示例： 面部动画和语音内容：“Genesis 是一个为通用机器人/具身智能/物理AI应用设计的物理平台。”情感从中性转为愤怒，再转为愉快。 支持不同面部角色和情感的泛化。
Genesis 通过广泛的生成功能和跨模态数据支持，为机器人学、AI开发和虚拟场景模拟提供了强大的创新工具。
核心亮点
通用物理引擎：
从零重新设计和构建。 支持模拟各种材料和物理现象。 集成多种物理求解器，并将其统一到一个框架中。
轻量化、高效的机器人模拟：
基于 Python，使用体验友好。 性能优化，运行速度极快，资源占用低。
照片级真实感渲染：
提供高质量且快速的渲染能力，支持逼真的模拟效果。
生成式数据引擎：
物理精确、空间一致的视频 摄像机运动及参数 人类和动物的角色动作 可用于现实世界的机器人操作和运动策略 完全交互的3D场景 开放世界中的关节对象生成 语音音频、面部动画及情感表达 基于自然语言描述，自动生成多模态数据。 数据包括：
应用场景
机器人学：设计和测试可部署到现实世界的操控与运动策略。 AI开发：在真实感丰富、物理逼真的环境中训练具身智能。 数据生成：生成复杂数据集，例如带关节的对象、语音音频、人类表情动画等，用于支持AI训练与评估。
开源计划
Genesis 已开源其物理引擎和模拟平台，其生成式框架将逐步开放访问。平台还提供详尽的文档、教程和API参考，降低使用门槛。
性能
Genesis 是一个高度优化的物理引擎，通过 GPU 加速的并行计算实现卓越性能，并具备以下特点：
优化的碰撞检测：
采用高效算法，减少计算开销，提升碰撞检测速度。
自动休眠机制：
对于已收敛或静止的实体自动进入休眠状态，从而加速大规模场景的模拟。
接触岛优化：
针对物体接触区域进行优化处理，提升计算效率。
性能表现
超高模拟速度：
在一个操控场景中（包含一个平面和一个 Franka 机械臂），Genesis 的运行速度达到每秒 4300 万帧，比实时模拟快 43 万倍。
大规模模拟的加速：
利用自动休眠机制，在处理静态或已稳定状态的实体时显著提高模拟速度（该功能正在测试中，计划在 0.1.1 版本发布）。