Genesis : le discret projet de moteur physique qui veut bousculer la robotique et l’IA

« Une plateforme complète de simulation physique conçue pour les applications de robotique à usage général, d’IA intégrée et d’IA physique ». Voilà en quelques mots le projet Genesis. Derrière ces travaux de recherche, deux co-fondateurs : Theophile Gervet, chercheur passé par Mistral AI et Meta AI, et Zhou Xian, étudiant à l’Institut de robotique Carnegie Mellon aux États-Unis. Retour sur les débuts de cette start-up prometteuse.

Chaque semaine, le monde merveilleux de l’IA voit émerger de nouveaux projets, plus intéressants les uns que les autres. Cette semaine, c’est Genesis qui a retenu notre attention. Il s’agit d’une plateforme de simulation physique conçue pour des applications générales en robotique, intelligence artificielle incarnée (embodied AI) et intelligence artificielle physique (physical AI). Derrière ce projet : Theophile Gervet, chercheur passé par Mistral AI et Meta AI, et Zhou Xian, étudiant à l’Institut de robotique Carnegie Mellon aux États-Unis.

Les deux hommes ont fait part de leurs avancées en fin d’année dernière sur LinkedIn et sur X. Zhou Xian écrit ainsi que Genesis est le « fruit d’une collaboration de recherche à grande échelle de 24 mois impliquant plus de 20 laboratoires, décrivant le projet comme un moteur de physique génératif capable de créer des mondes dynamiques en 4D, alimenté par une plateforme de simulation physique conçue pour la robotique généraliste et les applications d’intelligence artificielle physique ».

Pour Antoine Gervet, ce travail constitue une alternative à « la simulation physique à code source fermé de Nvidia » qui « entrave la communauté robotique ». Si pour l’heure, la start-up reste discrète quant à ses projets et à sa stratégie, deux sources ont confié à nos confrères de Sifted qu’elle s’apprête à boucler un tour de table de 80 millions de dollars. En attendant d’en savoir plus sur ce financement, voici comment s’articule le projet Genesis.

Un moteur physique développé en Python 10 à 80 fois plus rapide que des GPU

Concrètement, il s’agit à la fois d’un moteur physique universel entièrement reconstruit, capable de simuler une large gamme de matériaux et de phénomènes physiques, une plateforme de simulation robotique légère, ultra-rapide, intuitive et optimisée pour Python, un système de rendu photo-réaliste intégré à l’aide de ray-tracing, mais aussi un moteur de génération de données qui transforme une description en langage naturel en différentes modalités de données.

Le moteur physique de Genesis est développé en Python, « tout en étant 10 à 80 fois plus rapide que les solutions existantes accélérées par GPU, comme Isaac Gym et MJX », précise Zhou Xian, ajoutant qu’il offre une vitesse de simulation environ 430 000 fois plus rapide » qu’une simulation physique en temps réel, soit capable de traiter 43 millions de FPS sur un seul RTX 4090.

Point intéressant : le moteur physique et la plateforme de simulation Genesis sont publiés en open source sur GitHub. L’équipe prévoit de déployer progressivement l’accès à son framework d’ici peu. La plateforme de simulation permet de simuler l’ensemble du monde physique dans un environnement virtuel avec un réalisme maximal, assure par ailleurs Zhou Xian.

Un moteur de données universel façonné pour la robotique

« Notre objectif est de construire un moteur de données universel, exploitant un framework génératif avancé pour créer de manière autonome des mondes physiques et diverses formes de données ». Et les possibilités semblent infinies : environnements virtuels, mouvements de caméra, propositions de tâches robotiques, politiques de contrôle robotique, mouvements de personnages, scènes 3D interactives complètes, etc. A terme, l’objectif de Genesis est de proposer une génération de données entièrement automatisée, au service de la robotique, de l’IA physique et d’autres applications.

Genesis vise à réduire d’une part la barrière d’entrée à la simulation physique, d’autre part à automatiser la génération de données, réduisant l’effort humain et permettant à la boucle de données de s’auto-alimenter. Jim Fan, responsable de l’équipe de recherche appelée « GEAR » (Generalist Embodied Agent Research) chez Nvidia, a participé au projet Genesis. Le mois dernier, il a qualifié le projet d’excellent pour certaines tâches, montrant de belles promesses sur l’aspect génératif. « Ses capacités de simulation de mouvement sont bonnes, mais il reste encore beaucoup de chemin à parcourir pour la manipulation adroite et riche en contacts ».

Source : usine-digitale.fr