新闻IT之家7 天前
MotrixSim 1.0发布:Rust驱动异构仿真,G1训练提速12倍
本文由 AI 根据公开内容整理,可能有误,请以原文为准:谋先飞 Motphys 发布物理仿真引擎 MotrixSim 1.0,核心采用 Rust 开发(IT之家)
核心内容
谋先飞(Motphys)正式发布新一代物理仿真引擎 MotrixSim 1.0,专为多体动力学与机器人强化学习设计。该引擎核心采用 Rust 语言开发以保障内存安全与高性能,支持刚体动力学、碰撞检测及广义坐标建模。官方宣称其能将真实物理参数 1:1 复刻至仿真环境,并结合多模态传感器与高保真渲染构建平行世界,解决机器人认知盲区问题,适用于机器人控制、RL 训练及工业仿真等场景。
技术架构上,MotrixSim 采用自研约束模型与求解器,通过 CPU/GPU 异构计算、统一内存及高性能通信突破百万级并发约束链。实测数据显示,在 4096 并发环境下吞吐量达数百万物理步/秒,使 G1 人形机器人端到端训练耗时从 130.8 分钟缩减至 10.2 分钟。引擎提供 Python API 并高度兼容 MJCF 模型格式,同时深度适配鲲鹏、天数智芯、摩尔线程、英伟达、AMD 及苹果等多元算力平台,降低对单一高端显卡的依赖。
关键看点
- 训练效能:4096并发下G1人形机器人端到端训练仅需10.2分钟,较传统方案130.8分钟提速约12.8倍,吞吐达数百万物理步/秒
- 底层架构:核心基于Rust开发兼顾性能与安全,采用自研约束求解器与CPU/GPU异构统一内存架构,支持百万级并发约束链
- 生态兼容:提供Python API并高度兼容MJCF模型格式,深度适配鲲鹏、天数智芯、摩尔线程及NVIDIA等多元算力生态
- 感知闭环:融合视觉纹理、几何深度与触觉压力反馈,实现1:1物理参数复刻,解决仿真环境中机器人认知盲区难题
工程与产业观察
MotrixSim 1.0 验证了 Rust 语言结合异构计算在具身智能仿真中的工程价值,将人形机器人 RL 训练效率提升一个数量级。其对 MJCF 格式的兼容及对国产算力的广泛适配,为打破高端 GPU 依赖、构建自主可控的具身智能训练基础设施提供了关键技术路径与实测基准。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)