物理AI实验室 // 第 1.4 集 // 一页纸
仿真器地图
MuJoCo、Isaac、Newton、Genesis，各擅长什么
三个要点
- 仿真器的核心是一步一步算“接触那一下”的力；不同引擎的接触近似不同，同一个动作的轨迹就会分叉。
- 四个引擎各有取舍：MuJoCo 接触准（DeepMind，开源）、Isaac 靠 GPU 并行快（技术报告称，比 CPU 仿真加 GPU 训练网络的传统方案快 2–3 个数量级，R）、Newton 新且可扩展（英伟达/谷歌/迪士尼宣布联合开发；据英伟达，MuJoCo-Warp 人形仿真快 70 倍以上，O）、Genesis 想把多物理大一统（很新，要留意验证得够不够）。
- 快是为了让强化学习海量试错（论文称：单块显卡上几千个并行环境，ANYmal 四足不到 4 分钟学会走平地，R）；但快不等于准，仿真不等于现实（sim-to-real gap），选引擎要看任务。
证据：O 官方一手 · R 学术文献 · M 媒体二手
| R | 2–3 个数量级 | 单块 GPU 上同时做物理仿真和训练，比 CPU 仿真加 GPU 训练网络的传统方案快的幅度（英伟达 Isaac Gym 技术报告） |
| O | 70 倍 | 谷歌 DeepMind 的 MuJoCo-Warp 对人形仿真加速超过 70 倍；手内操作任务约 100 倍（英伟达称） |
| R | 不到 4 分钟 | 在单块工作站显卡上用几千个并行环境，ANYmal 四足机器人学会平地行走的训练时长；不平地面约 20 分钟（论文自报） |
延伸阅读
- MuJoCo（Google DeepMind，GitHub）
https://github.com/google-deepmind/mujoco - Isaac Gym：GPU 物理仿真（arXiv 2108.10470）
https://arxiv.org/abs/2108.10470 - NVIDIA · Announcing Newton
https://developer.nvidia.com/blog/announcing-newton-an-open-source-physics-engine-for-robotics-simulation - Learning to Walk in Minutes（arXiv 2109.11978）
https://arxiv.org/abs/2109.11978