Jim Fan 大佬关于Genisis（
网页链接）的赞赏↓
如果一台AI能控制1000个机器人，在10亿次不同的模拟中完成100万种技能，那么它在现实世界中可能也能“正常工作”，因为现实世界只是可能性空间中的一个点。这就是为什么模拟对于机器人学如此有效的基本原理。#ai创造营##ai#
现实世界的远程操作数据随着人类时间线性增长（<每个机器人每天24小时）。而模拟数据则随着算力指数增长。
未来模拟器的三大趋势：
1. 在大型集群上的大规模并行化
物理方程本质上是矩阵运算，而GPU在矩阵运算方面表现优异🔥。单个GPU可以运行10万份模拟副本。换个角度理解：1小时的计算时间可以给机器人提供10年的训练经验。这也是为什么《黑客帝国》中Neo可以在一瞬间学会武术的原因。
2. 生成式图形流水线
传统的模拟器需要大量人工参与，比如3D素材、纹理、场景布局等。但如今，工作流程中的每一个环节都可以被自动化，比如文本生成图像、文本生成3D模型，甚至使用大型语言模型（LLMs）生成USD（通用场景描述）文件。RoboCasa 是一个已有的案例。
3. 端到端神经网络作为模拟器本身
虽然这仍属于前沿研究，距离取代传统图形流水线还有很长的路，但我们已经看到了一些激动人心的进展，比如基于视频生成模型的成果（如 Sora、Veo2、CogVideoX、Hunyuan 等文本生成视频工具）以及动作驱动的世界模型（如 GameNGen、Oasis、Genie-2 等）。
Genesis 在某些任务上很好地实现了（1），在（2）方面展现了良好的前景，并有可能成为实现（3）的数据生成工具。它的模拟到现实能力在运动控制方面表现出色，但在涉及复杂接触和灵巧操作的任务上还有很长的路要走。这是一个大胆的愿景，致力于为具身AI提供虚拟的摇篮。Genesis 是开源的，并且将简化用户体验作为首要目标。
看到模拟生态系统繁荣发展，是我最大的喜悦。机器人学应该成为全人类共同拥有的登月计划。
ChatGPT 
黄建同学的微博视频
网页链接）的赞赏↓如果一台AI能控制1000个机器人，在10亿次不同的模拟中完成100万种技能，那么它在现实世界中可能也能“正常工作”，因为现实世界只是可能性空间中的一个点。这就是为什么模拟对于机器人学如此有效的基本原理。#ai创造营##ai#
现实世界的远程操作数据随着人类时间线性增长（<每个机器人每天24小时）。而模拟数据则随着算力指数增长。
未来模拟器的三大趋势：
1. 在大型集群上的大规模并行化
物理方程本质上是矩阵运算，而GPU在矩阵运算方面表现优异🔥。单个GPU可以运行10万份模拟副本。换个角度理解：1小时的计算时间可以给机器人提供10年的训练经验。这也是为什么《黑客帝国》中Neo可以在一瞬间学会武术的原因。
2. 生成式图形流水线
传统的模拟器需要大量人工参与，比如3D素材、纹理、场景布局等。但如今，工作流程中的每一个环节都可以被自动化，比如文本生成图像、文本生成3D模型，甚至使用大型语言模型（LLMs）生成USD（通用场景描述）文件。RoboCasa 是一个已有的案例。
3. 端到端神经网络作为模拟器本身
虽然这仍属于前沿研究，距离取代传统图形流水线还有很长的路，但我们已经看到了一些激动人心的进展，比如基于视频生成模型的成果（如 Sora、Veo2、CogVideoX、Hunyuan 等文本生成视频工具）以及动作驱动的世界模型（如 GameNGen、Oasis、Genie-2 等）。
Genesis 在某些任务上很好地实现了（1），在（2）方面展现了良好的前景，并有可能成为实现（3）的数据生成工具。它的模拟到现实能力在运动控制方面表现出色，但在涉及复杂接触和灵巧操作的任务上还有很长的路要走。这是一个大胆的愿景，致力于为具身AI提供虚拟的摇篮。Genesis 是开源的，并且将简化用户体验作为首要目标。
看到模拟生态系统繁荣发展，是我最大的喜悦。机器人学应该成为全人类共同拥有的登月计划。
ChatGPT 黄建同学的微博视频
