README_JA.md

Genesis

🔥 最新情報

• [2024-12-25] レイトレーシングレンダラーをサポートするDockerを追加しました。
• [2024-12-24] Genesisへの貢献方法に関するガイドラインを追加しました。

目次

1. Genesisとは？
2. 主な機能
3. インストール
4. Docker
5. ドキュメント
6. Genesisへの貢献
7. サポート
8. ライセンスと謝辞
9. 関連論文
10. 引用

Genesisとは？

Genesisは、汎用的なロボティクス/身体性を持ったAIアプリケーション向けに設計された物理シミュレーションプラットフォームです。このプラットフォームは以下のような特徴があります：

1. あらゆる種類の材料や物理現象をシミュレート可能な汎用物理エンジン。
2. 軽量、超高速、Python的、そしてユーザーフレンドリーなロボティクスシミュレーションプラットフォーム。
3. 高速で強力なフォトリアリスティックなレンダリングシステム。
4. ユーザーの自然言語による指示をもとに様々なデータモダリティを生成する生成型データエンジン。

Genesisの目指すところ：

• 物理シミュレーションのハードルを下げ、ロボティクス研究を誰でもアクセス可能にすること。詳細はミッションステートメントをご覧ください。
• 多様な物理ソルバーを統合し、最高の忠実度で物理世界を再現すること。
• データ生成を自動化し、人間の労力を削減し、データ生成の効率を最大化すること。

プロジェクトページ: https://genesis-embodied-ai.github.io/

主な機能

• 速度: RTX 4090単体でフランカロボットアームを4300万FPS（リアルタイムの43万倍速）でシミュレーション可能。
• クロスプラットフォーム: Linux、macOS、Windowsで動作し、CPU、Nvidia/AMD GPU、Apple Metalをサポート。
• 多様な物理ソルバーの統合: 剛体、MPM、SPH、FEM、PBD、安定流体シミュレーション。
• 幅広い材料モデル: 剛体、液体、気体、変形体、薄膜オブジェクト、粒状材料などをシミュレーション可能。
• 様々なロボットへの対応: ロボットアーム、脚付きロボット、ドローン、ソフトロボットなど。また、MJCF (.xml)、URDF、.obj、.glb、.ply、.stlなどの形式をサポート。
• フォトリアルなレンダリング: レイトレーシングベースのレンダリングをネイティブでサポート。
• 微分可能性: 完全な微分可能性を備えた設計。現時点では、MPMソルバーとツールソルバーが対応しており、将来的には他のソルバーも対応予定（まず剛体および連結体ソルバーから開始）。
• 物理ベースの触覚シミュレーション: 微分可能な触覚センサーシミュレーションが近日公開予定（バージョン0.3.0を予定）。
• ユーザーフレンドリー: シンプルで直感的なインストールとAPI設計。

インストール

GenesisはPyPIで利用可能です：

pip install genesis-world  # Python >=3.9 が必要です;

また、PyTorchを公式手順に従ってインストールする必要があります。

最新バージョンを利用するには、リポジトリをクローンしてローカルにインストールしてください：

git clone https://github.com/Genesis-Embodied-AI/Genesis.git
cd Genesis
pip install -e .

Docker

DockerからGenesisを利用する場合は、まずDockerイメージをビルドします：

docker build -t genesis -f docker/Dockerfile docker

その後、Dockerイメージ内で例を実行できます（/workspace/examplesにマウント）：

xhost +local:root # コンテナがディスプレイにアクセスできるようにする

docker run --gpus all --rm -it \
-e DISPLAY=$DISPLAY \
-v /tmp/.X11-unix/:/tmp/.X11-unix \
-v $PWD:/workspace \
genesis

ドキュメント

包括的なドキュメントは現時点では英語、中国語、および日本語で提供されています。詳細なインストール手順、チュートリアル、APIリファレンスが含まれています。

Genesisへの貢献

Genesisプロジェクトはオープンで協力的な取り組みです。以下を含む、コミュニティからのあらゆる貢献を歓迎します：

• 新機能やバグ修正のためのプルリクエスト。
• GitHub Issuesを通じたバグ報告。
• Genesisの使いやすさを向上させるための提案。

詳細は貢献ガイドをご参照ください。

サポート

• バグ報告や機能リクエストはGitHubのIssuesをご利用ください。
• 議論や質問はGitHubのDiscussionsで行えます。

ライセンスと謝辞

GenesisのソースコードはApache 2.0ライセンスで提供されています。

Genesisの開発は以下のオープンソースプロジェクトのおかげで可能になりました：

• Taichi: 高性能でクロスプラットフォーム対応の計算バックエンド。Taichiチームの技術サポートに感謝します！
• FluidLab: 参照用のMPMソルバー実装。
• SPH_Taichi: 参照用のSPHソルバー実装。
• Ten Minute Physics と PBF3D: 参照用のPBD（粒子ベースの物理）ソルバー実装。
• MuJoCo: 剛体ダイナミクスの参照用実装。
• libccd: 衝突検出の参照用実装。
• PyRender: ラスタライズベースのレンダラー。
• LuisaCompute と LuisaRender: レイトレーシングDSL。

関連論文

Genesisプロジェクトに関与した主要な研究論文の一覧：

• Xian, Zhou, et al. "Fluidlab: A differentiable environment for benchmarking complex fluid manipulation." arXiv preprint arXiv:2303.02346 (2023).
• Xu, Zhenjia, et al. "Roboninja: Learning an adaptive cutting policy for multi-material objects." arXiv preprint arXiv:2302.11553 (2023).
• Wang, Yufei, et al. "Robogen: Towards unleashing infinite data for automated robot learning via generative simulation." arXiv preprint arXiv:2311.01455 (2023).
• Wang, Tsun-Hsuan, et al. "Softzoo: A soft robot co-design benchmark for locomotion in diverse environments." arXiv preprint arXiv:2303.09555 (2023).
• Wang, Tsun-Hsuan Johnson, et al. "Diffusebot: Breeding soft robots with physics-augmented generative diffusion models." Advances in Neural Information Processing Systems 36 (2023): 44398-44423.
• Katara, Pushkal, Zhou Xian, and Katerina Fragkiadaki. "Gen2sim: Scaling up robot learning in simulation with generative models." 2024 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2024.
• Si, Zilin, et al. "DiffTactile: A Physics-based Differentiable Tactile Simulator for Contact-rich Robotic Manipulation." arXiv preprint arXiv:2403.08716 (2024).
• Wang, Yian, et al. "Thin-Shell Object Manipulations With Differentiable Physics Simulations." arXiv preprint arXiv:2404.00451 (2024).
• Lin, Chunru, et al. "UBSoft: A Simulation Platform for Robotic Skill Learning in Unbounded Soft Environments." arXiv preprint arXiv:2411.12711 (2024).
• Zhou, Wenyang, et al. "EMDM: Efficient motion diffusion model for fast and high-quality motion generation." European Conference on Computer Vision. Springer, Cham, 2025.
• Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming C. Lin. "Scalable differentiable physics for learning and control." International Conference on Machine Learning. PMLR, 2020.
• Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming C. Lin. "Efficient differentiable simulation of articulated bodies." In International Conference on Machine Learning, PMLR, 2021.
• Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming Lin. "Differentiable simulation of soft multi-body systems." Advances in Neural Information Processing Systems 34 (2021).
• Wan, Weilin, et al. "Tlcontrol: Trajectory and language control for human motion synthesis." arXiv preprint arXiv:2311.17135 (2023).
• Wang, Yian, et al. "Architect: Generating Vivid and Interactive 3D Scenes with Hierarchical 2D Inpainting." arXiv preprint arXiv:2411.09823 (2024).
• Zheng, Shaokun, et al. "LuisaRender: A high-performance rendering framework with layered and unified interfaces on stream architectures." ACM Transactions on Graphics (TOG) 41.6 (2022): 1-19.
• Fan, Yingruo, et al. "Faceformer: Speech-driven 3d facial animation with transformers." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2022.
• Wu, Sichun, Kazi Injamamul Haque, and Zerrin Yumak. "ProbTalk3D: Non-Deterministic Emotion Controllable Speech-Driven 3D Facial Animation Synthesis Using VQ-VAE." Proceedings of the 17th ACM SIGGRAPH Conference on Motion, Interaction, and Games. 2024.
• Dou, Zhiyang, et al. "C· ase: Learning conditional adversarial skill embeddings for physics-based characters." SIGGRAPH Asia 2023 Conference Papers. 2023.

さらに多数の現在進行形のプロジェクトがあります。

引用

研究でGenesisを使用する場合、以下を引用してください：

@software{Genesis,
  author = {Genesis Authors},
  title = {Genesis: A Universal and Generative Physics Engine for Robotics and Beyond},
  month = {December},
  year = {2024},
  url = {https://github.com/Genesis-Embodied-AI/Genesis}
}