Genesis AI开源机器人训练场 让机器人学会番茄炒蛋

在真实世界中需要耗费超过200小时的机器人模型评测任务，如今在仿真环境中可于0.5小时内完成。

继上次推出令人印象深刻的西红柿炒鸡蛋演示之后，Genesis AI今日再度发布新成果。在上次极客公园的报道中，Genesis AI CEO周衔曾透露，围绕“仿真平台自动化、规模化生成任务”，公司已形成更深层的规划，后续或将公开更多细节。如今，这一答案中的重要部分已然揭晓。

5月28日，Genesis AI正式发布Genesis World 1.0，并开源三大核心项目：Genesis World物理仿真平台、Quadrants跨平台GPU编译器，以及Nyx写实渲染器。据Genesis AI介绍，这是一套面向机器人和Physical AI的全栈仿真基础设施，底层编译器、渲染器和物理引擎均由团队自主研发。

从视频展示来看，Genesis World 1.0构建的仿真世界极其逼真，尤其是过去难以模拟的柔性物体形变、复杂碰撞以及机器人的灵巧操作。Genesis AI还展示了与真实场景1:1速率并排对比的机器人操作，两者表现高度接近。

Genesis World 1.0首要解决的核心问题并非立即生成更多训练数据，而是让机器人模型评测变得更快、更具可重复性，同时保持开源特性。

对于机器人基础模型而言，真实世界始终是最慢、最昂贵、最难规模化的评测环境。一个模型检查点、一套数据配方、一次控制策略调整，最终都必须在真实硬件上验证。但真实机器人只能以1倍速运行，且测试受到硬件数量、场地、人工、磨损、校准误差及安全风险等多重限制。Genesis AI的目标正是突破这一瓶颈。

在最新博客中，Genesis AI给出了一个直观对比：一项覆盖数百个任务、每个任务重复数百次的模型评测，若在真实世界中完成，需要一台机器人和一名操作员连续运行超过200小时；而在仿真环境中，数万次episode可在不到0.5小时内完成。团队还表示，其仿真评测结果与真实硬件rollout的相关性高达89%。

这些数据目前仍来自Genesis AI的最新披露，尚未经独立验证，但它们指明了一个清晰方向：Genesis World 1.0旨在证明，仿真可以作为助力机器人规模化的有效方式——通过构建一个足够接近真实世界、能够反复衡量机器人模型的试验场。

01 机器人的仿真试验场

Genesis World 1.0最直观的变化，是将众多机器人真正棘手的物理细节纳入同一仿真世界。其中最容易为普通用户感知的是视觉真实感。这对机器人至关重要——机器人模型最终看到的并非理想世界，而是摄像头捕捉的真实影像。光照、镜头畸变、模糊、反射、材质差异，都会影响模型在真实环境中的判断。

更复杂的是接触与变形处理。Genesis World 1.0展示了一个完全由接触物理驱动的yoyo系统。yoyo看似玩具，但对仿真而言并不简单：涉及绳子、旋转、缠绕、张力变化和持续接触。类似的还有垃圾袋、折纸以及颠勺演示。在颠勺demo中，锅内同时存在多种物体，它们的形态、接触和运动方式各不相同，系统均能妥善处理。

此外，本次演示的一大进步在于对灵巧操作的仿真。Genesis World 1.0展示的并非单一机械臂或夹爪任务，而是将不同形态的末端执行器集成至同一仿真框架：既有Wuji/Sharpa等五指灵巧手，也有传统夹爪。它们面对的并非标准化的刚体抓取，而是垃圾袋、纸张、绳子、锅中食材等接触状态持续变化的物体。

例如垃圾袋demo中，机器人需要用双手撑开袋口，再将其套入垃圾桶。这一动作对人类而言稀松平常，但对机器人仿真难度极大：袋口易塌陷，薄膜会折叠，手指与袋子之间不断发生滑动、拉扯和重新接触。仔细观察，它虽不完全像真实塑料袋，更接近布料的柔软皱褶，但这已表明系统能处理复杂薄壳、大变形接触，以及多指手与软物体间的连续交互。折纸demo则展示了elastoplastic thin shell manipulation，机器人需让纸张发生折叠、弯曲和保形，难度远超刚体抓取。

Genesis不仅模拟画面和物理运动，还模拟机器人本体与传感器。在Unitree机器人demo中，画面右侧甚至显示关节温度。这意味着仿真不只关心机器人是否走动，还尝试将IMU、关节温度等接近真实硬件的信号纳入。另一组demo展示了激光雷达和触觉传感器模拟：机器人抱起纸箱时，画面同步显示点云和手掌触觉读数。

这些细节使Genesis World 1.0的目标更加清晰：它并非仅打造一个可视化虚拟世界，而是模拟机器人真正使用的世界——包括相机、触觉、雷达、关节状态，以及不同任务中不断变化的接触关系。Genesis还进行了domain randomization测试。同一任务可在不同物体、材质、桌面、光照和场景布局中反复变化。对机器人模型而言，这才是仿真的意义所在：并非在完美场景中一次成功，而是在大量相似但不相同的世界中反复失败、测量和修正。

02 仿真不只是造数据，先要能验模型

Genesis AI这条技术路线，最早并非始于机器人demo，而是从一个博士期间的开源仿真项目起步。2024年12月，在创立Genesis AI之前，周衔与合作者发布了开源仿真项目Genesis。它采用Apache-2.0协议，被定义为面向通用机器人和具身AI学习的仿真平台，底层统一多种物理求解器，上层则试图通过生成式框架自动构建场景、任务和机器人数据。

该项目当时最吸引人的设想是“一句话生成物理世界”：利用生成式框架调用物理引擎，自动生成场景、任务、动作、奖励函数和多模态数据。这一想法直观且诱人。机器人尤其缺乏数据，特别是真实物理交互中的高质量数据。人类倒水、切菜、系线、撑开垃圾袋等动作中，包含大量隐含的接触、摩擦、力反馈和材料变化。仅凭真实机器人逐一采集，不仅缓慢，且难以覆盖足够多的任务、物体和环境变化。若仿真平台足够真实，再让上层生成式系统自动提出任务、生成场景、设计奖励函数、训练策略，它便有可能成为机器人数据的工厂。这也是周衔最初设想的方向：用LLM驱动物理引擎，为机器人创造数据。

然而到了Genesis World 1.0，Genesis AI对仿真的表述变得更加克制且工程化。在本次技术博客中，Genesis AI明确写道，他们将simulation视为机器人基础模型的“evaluation and iteration engine”，而不仅是data generator。原因很现实：若模型使用仿真数据训练，又在同一仿真分布中评测，效果提升可能只是更适配simulator，而非真正适应真实世界。因此Genesis AI选择先完成一项更基础的工作：验证仿真评测与真实硬件rollout是否具备相关性。

据他们介绍，当前阶段的目标是，在不依赖仿真数据做预训练的前提下，建立simulation与real world之间的强相关。换言之，模型主要从真实世界数据中学习，再被放入仿真环境进行闭环评测。若仿真中的表现排序与真实硬件上的表现排序一致，仿真才有资格成为模型迭代的工具。

Genesis AI在博客中特别强调了closed-loop evaluation，即闭环评测。过往许多机器人模型会报告固定数据集上的动作预测误差，如R-squared或MAE。这些指标固然有用，能发现模型输出是否异常，也可作为训练过程中的sanity check。但Genesis AI认为，一旦多个模型在这些开环指标上进入相近区间，它们就很难再区分真实世界中的表现差异。原因很简单：机器人模型不是在答题卡上考核动作预测，而是在物理世界中持续犯错。一次轻微的视觉误判、一次抓取偏移、一次接触不稳，都可能在后续动作中被放大。模型真正需要被度量的，并非某一帧预测的准确性，而是当环境持续变化时，它能否感知、行动、纠错，最终完成任务。正因如此，Genesis AI将仿真评测转向closed-loop：让模型在仿真环境中实际执行任务，而非仅在静态数据集上预测动作。

Genesis AI在博客中披露，他们在14个任务上评估了Small、Medium、Large三种不同规模和架构的模型，每个任务在真实世界和仿真中各运行200个episode，再利用100万次bootstrap估算置信区间。最终，仿真评测与真实硬件rollout的Pearson correlation达到0.8996，MMRV为0.0166。这也标志着Genesis从2024年到2026年叙事上的转变：从“生成一个物理世界”，走向“先让这个物理世界足够可信”。

03 开源一套机器人世界的底层工具

Genesis World 1.0完全开源，同时提供三层工具：物理引擎、渲染器和编译器。

第一层是Genesis World本身，负责模拟机器人真正会遇到的物理世界：刚体、可变形物体、布料、颗粒、流体、薄壳，以及不同机器人本体和末端执行器之间的复杂接触。对机器人而言，这一层决定了“世界是否会按真实方式回应动作”。

第二层是Nyx，它负责让机器人看到的世界更接近真实相机。Genesis AI在技术博客中指出，游戏引擎优化的是视觉吸引力，离线渲染器追求物理准确但速度太慢；机器人需要的是一种不同的渲染器：能大规模生成接近真实摄像头的图像，且足够快速地支撑评测。换言之，Nyx的意义并非制作最讨好人类眼睛的画面，而是尽量逼近机器眼睛。

第三层是Quadrants，它看似最不引人注目，却能充分说明Genesis为何要做全栈。机器人仿真并非只运行在一种机器上：工程师可能在MacBook上调试，大规模评测跑在GPU集群中，部分控制和验证未来还可能跑在机器人板端。Quadrants支持CUDA、ROCm、Apple Metal、Vulkan，以及x86/ARM64 CPU，目标是让同一套Python kernel能在不同硬件后端运行。它的价值不只是一个“编译器”，而是使仿真栈不被单一硬件锁定。

这三层合在一起，构成了Genesis World 1.0的愿景：一个既能模拟物理、又能模拟视觉、还能大规模运行的机器人世界。只有在这三层都成立之后，自动生成任务才具有实际意义。

在技术博客后半部分，团队提到了programmatic pipeline：自动生成simulation environment，包括scene layout、asset selection、environment code和success metrics。换言之，未来的仿真系统将不再只是被动接收人类编写的任务，而是可以自主扩展任务空间、生成评测场景，并定义“完成任务”的标准。这也将Genesis World 1.0从一个开源工具推向更大的目标。

他们在结尾提出的方向是self-evolving physical AI：内循环发生在仿真中，agent生成环境，模型执行任务，仿真系统评分，策略持续改进；外循环发生在真实世界中，真实部署暴露edge cases，再反过来校准simulator和任务分布。这解释了为何Genesis AI要同时打造仿真、渲染和编译器，并一并开源。它并非只想让机器人减少真机测试次数，而是希望机器人研发从人工设计任务、手动调参、排队上真机，逐步演变为一个能自我产生问题、验证答案、再回到现实中修正的系统。

如果这条路走通，仿真将不再只是现实世界的替身。它会成为机器人学习现实世界的一种方式。

*头图来源：Genesis AI