Genesis : moteur physique génératif open source pour la simulation de mondes dynamiques 4D basés sur la physique réelle

Introduction générale

Genesis est un monde physique génératif conçu pour la robotique générale et l'apprentissage incarné de l'IA. Il fournit une plate-forme de simulation unifiée qui prend en charge un large éventail de matériaux et de phénomènes physiques. Genesis est conçu pour aider les robots à apprendre un large éventail de compétences dans une variété d'environnements en débloquant une variété infinie de données grâce à la combinaison de l'IA générative et de la simulation physique. Avec des vitesses de simulation ultra-rapides et la prise en charge de multiples formes de robots, la plateforme représente la prochaine génération d'infrastructure de simulation.

Liste des fonctions

• Vitesse de simulation ultra-rapidePlus d'un million d'étapes de simulation par seconde, ce qui améliore considérablement l'efficacité de la simulation.
• Support multi-matériauxModélisation d'un large éventail de matériaux et de leurs interactions, tels que les corps rigides, les liquides, les gaz et les objets déformables.
• Prise en charge de formes multi-robotsLes robots : Prise en charge des bras robotiques, des robots à jambes, des mains dextres, des robots mobiles, des drones, des robots mous, et bien plus encore.
• Support de solveur multi-physiqueLe système de résolution de problèmes physiques est intégré et peut être modifié par l'utilisateur en fonction de ses besoins.
• simulation générativeLe projet de l'Institut de recherche sur les sciences de la vie : Combiner l'IA générative et la simulation physique afin de fournir une variété infinie de données.
• Soutien à la robotique douceLa première plateforme à prendre entièrement en charge les muscles et les robots souples.

Utiliser l'aide

Processus d'installation

1. entrepôt de clonesExécution dans un terminal git clone https://github.com/Genesis-Embodied-AI/Genesis.git Entrepôt de clonage.
2. Installation des dépendances: Allez dans le répertoire du projet et exécutez pip install -r requirements.txt Installer les dépendances nécessaires.
3. Environnement de configurationLe projet de loi sur l'emploi et l'égalité des chances : Sur la base du projet de loi sur l'emploi et l'égalité des chances README.md configurer les variables d'environnement et les chemins d'accès nécessaires.

Lignes directrices pour l'utilisation

1. Démarrer la simulation: Run python main.py Lancer la plate-forme de simulation.
2. Sélectionnez Physics Solver: Sélectionnez le solveur physique approprié dans le fichier de configuration, par ex. rigid_body_solver peut-être fluid_solver.
3. Modèles de robots de chargementChargement de modèles de robots à l'aide du système de configuration intégré de type URDF, prenant en charge un large éventail de formes de robots.
4. Exécuter la tâche de simulationLa tâche de simulation est exécutée en fonction des besoins, puis les résultats de la simulation sont observés.
5. Générer des données: Générer divers ensembles de données pour l'apprentissage des robots à l'aide de capacités de simulation générative.

Procédure d'utilisation détaillée

• simulation de corps rigides: Sélection rigid_body_solverPour cela, il faut charger le modèle de corps rigide, définir les paramètres de simulation, lancer la simulation et observer le mouvement et l'interaction du corps rigide.
• Simulation de liquide: Sélection fluid_solverPour cela, il suffit de charger le modèle de liquide, de définir les propriétés du liquide (viscosité, tension superficielle, etc.), d'exécuter la simulation et d'observer l'écoulement et l'interaction du liquide.
• Simulation de robot soupleChargement du modèle de robot à corps mou, définition des propriétés du corps mou (par exemple, élasticité, plasticité, etc.), exécution de la simulation et observation du mouvement et de la déformation du robot à corps mou.
• simulation générativeLes modèles génératifs d'IA : combiner des modèles génératifs d'IA, définir des paramètres de génération et effectuer des simulations pour générer divers ensembles de données à partir desquels les robots peuvent apprendre.

Ces étapes vous permettront de comprendre et d'utiliser pleinement les capacités de la plate-forme Genesis pour une simulation et un apprentissage efficaces des robots.