在现代机器人模拟领域，性能基准测试是评估不同模拟器效率和效果的重要手段。本文将深入探讨 Genesis 模拟器的性能表现，特别是与其他主流模拟器如 Isaac Gym 和 Mujoco XLA (MJX) 的比较。通过一系列实验，我们将揭示 Genesis 在静态控制、动态控制、碰撞处理和操作任务等多方面的优势。
1. 基准测试设置
硬件配置
- 处理器：Intel Core i9 14900KF
- 显卡：Nvidia GeForce RTX 4090
- 内存：32G RAM
- 模拟器版本（截至2025年1月3日）：
- Genesis: 0.2.1
- Mujoco XLA (MJX): 3.2.6
- Isaac Gym: Preview 4 Release
- ManiSkill: commit 42d4fcf (3.0.0b15)
所有测试均通过 SSH 在 Macbook Pro (Apple M1 Pro) 上进行，以避免由于图形相关应用程序的并发运行而导致的性能下降。
2. Franka Arm 的性能测试
2.1 Genesis 与 Isaac Gym 的比较
在这一部分，我们将 Genesis 与 Isaac Gym 进行比较，重点关注静态控制和动态控制下的性能。
2.1.1 静态控制，无碰撞
在静态控制的实验中，我们命令 Franka 手臂移动到目标关节位置并保持静止。此设置下，求解器仅处理 PD 控制器、质量矩阵计算和正向运动学/动力学。
结果：
批量大小Genesis 每个环境 FPSIsaac Gym 每个环境 FPS性能提升
512375113782.70x
1024369212572.93x
2048376210663.54x
409636077894.58x
819235075146.81x
16384274926510.38x
32768154013011.79x
在使用 32,768 个并行环境时，Genesis 达到了超过 50 万 FPS 的总速度，速度比 Isaac Gym 快了 11 倍以上。这一结果表明，Genesis 在处理静态场景时具有显著的性能优势。
2.1.2 动态随机控制
在动态控制的实验中，我们让手臂在达到指定配置后继续随机移动，以测试求解器在动态场景中的表现。
结果：
批量大小Genesis 每个环境 FPSIsaac Gym 每个环境 FPS性能提升
5121682.21905.621.86x
10241639.45824.511.99x
20481608.74667.152.41x
40961585.63475.443.34x
81921449.29255.215.68x
163841251.02129.269.68x
32768829.4858.8014.11x
即使在动态场景中，Genesis 仍然表现出优越的性能，最大 FPS 达到 27 万，速度比 Isaac Gym 快了 14 倍。
2.2 Genesis 与 MJX 的比较
接下来，我们将 Genesis 与 Mujoco XLA (MJX) 进行比较，重点关注动态场景中的性能。
2.2.1 无控制，无碰撞
在这一实验中，我们使用标准的 Franka Panda MJCF 文件，进行无碰撞的自由下落测试。
结果：
批量大小Genesis 每个环境 FPSMJX (jit_steps=1) 每个环境 FPS性能提升
5124150.25232.5117.85x
10244081.00229.6317.77x
20483925.00223.2217.58x
40963947.17219.1018.02x
81923431.39212.1316.18x
163842562.64187.4113.67x
327681458.12134.6410.83x
在这一设置下，Genesis 的性能比 MJX 快了近 18 倍，显示出其在无碰撞情况下的强大处理能力。
2.2.2 动态控制，持续碰撞
在动态场景中，我们让手臂自由下落并与地面产生持续碰撞，以测试求解器在处理碰撞时的性能。
结果：
批量大小Genesis 每个环境 FPSMJX (jit_steps=1) 每个环境 FPS性能提升
5121085.15766.521.42x
10241045.66685.291.53x
2048994.86535.281.86x
4096969.18349.852.77x
8192890.08172.495.16x
16384788.8477.3210.20x
32768499.1632.5615.33x
在动态场景中，Genesis 仍然保持了优越的性能，最大 FPS 达到 16.35 万，比 MJX 快了 15 倍。
3. 操作任务（抓取）
在这一部分，我们将测试 Genesis 在抓取任务中的表现，包括静态抓取和动态抓取。
3.1 抓取球体
在静态抓取实验中，我们使用 Franka 手臂抓取一个球体，并保持在指定位置。
结果：
批量大小Genesis 每个环境 FPSManiSkill 每个环境 FPS性能提升
5121482.63360.984.11x
10241437.15336.564.27x
20481282.98282.444.54x
40961406.55209.396.72x
81921233.47115.1610.71x
163841003.5258.9217.03x
32768506.5630.1116.82x
在抓取球体的实验中，Genesis 的性能比 ManiSkill 快了超过 16 倍。
3.2 抓取立方体
在抓取立方体的实验中，我们使用 URDF 版本的 Franka 进行测试。
结果：
批量大小Genesis 每个环境 FPSManiSkill 每个环境 FPS性能提升
5121227.27--
10241041.972520004.23x
20481152.163800006.21x
40961185.2647000010.3x
81921073.7454000016.29x
16384854.2554000022.51x
在抓取立方体的实验中，Genesis 的性能同样表现出色，显示出其在抓取任务中的高效性。
4. 大规模多物体场景优化
Genesis 还支持自动休眠功能，以优化大规模场景的模拟性能。通过将处于静止状态的物体置于休眠状态，Genesis 能够显著提高模拟效率。
结果：
物体数量Genesis FPSMJX FPS性能提升
10243987120.11129055.951890x
2098120179.5226260.203736x
10013621238.261278.5510658x
在大规模静态场景中，Genesis 的性能比 MJX 快了多达 10,658 倍，显示出其在处理复杂场景时的强大能力。
5. 结论
通过一系列基准测试，本文展示了 Genesis 在多个方面的优越性能。无论是在静态控制、动态控制，还是在抓取任务和大规模场景模拟中，Genesis 都表现出色，远超其他主流模拟器。我们期待未来的版本能够进一步提升性能，继续推动机器人模拟领域的发展。
如果您对本报告有任何疑问或建议，欢迎随时与我们联系！
