Teste de simuladores de robôs em GPU: Genesis processa 11,1 milhões de quadros de física por segundo
Robôs são treinados em simuladores rodando em placas de vídeo, mas a fidelidade da física e a reprodutibilidade dos resultados quase nunca foram testadas. AIRI, MIPT e Shanghai AI Lab compararam sete simuladores em uma única RTX 5070: o Genesis, com o braço manipulador Franka, alcançou cerca de 11,1 milhões de quadros de física por segundo (FPS) em 131 072 ambientes. Apenas Genesis e MJX foram totalmente reproduzíveis, por isso não olhe só para o FPS.
Processado por IA de Habr AI; editado por Hamidun News
Para que um robô pare de derrubar xícaras, ele precisa de milhões de tentativas. No hardware real, isso é caro e arriscado, por isso o treinamento está cada vez mais sendo transferido para o simulador, que roda na placa de vídeo. Ali, milhares de cópias da mesma cena com o robô funcionam ao mesmo tempo; cada uma dessas cópias é chamada de ambiente.
A velocidade é medida em FPS. Nos testes, a renderização está desativada, então o número não corresponde a quadros na tela, e sim ao total de passos de física que o simulador calcula por segundo somando todos os ambientes. O Genesis, com o manipulador Franka, chegou a cerca de 11,1 milhões de FPS em 131 072 ambientes.
Na média, isso dá aproximadamente 85 passos de física por segundo para cada cópia da cena. A equipe de Dmitry Yudin, da AIRI e do MIPT, junto com a Shanghai AI Lab, criou o benchmark GPUSimBench para verificar duas questões. A física continua plausível quando centenas de milhares de ambientes rodam em uma mesma placa?
E o mesmo experimento produz o mesmo resultado quando é executado novamente? O trabalho foi apresentado na conferência IROS 2026.
Como o teste funciona
A comparação incluiu sete simuladores com aceleração por GPU: Isaac Lab, ManiSkill, Genesis, Madrona, MuJoCo Warp, MJX e MuJoCo Playground. Plataformas que paralelizam apenas na CPU, como Gazebo e PyBullet, ficaram de fora. Todas as medições foram feitas em uma mesma estação de trabalho com placa de vídeo Nvidia RTX 5070 e 12 GB de memória. A renderização foi desativada e o passo de física foi de 0,01 s em todos os casos.
A escalabilidade foi verificada em duas cenas: uma pilha de cubos 3×3×3 caindo livremente e o manipulador Franka Panda com movimentos aleatórios das juntas. Para checar o realismo, os autores montaram uma instalação real. Uma esfera de aço rola por uma superfície de madeira inclinada em 20° e colide com uma parede de 27 cubos de madeira. Cinco segundos depois, registra-se a posição de cada cubo. A cena é caótica: a menor diferença nas condições iniciais produz outro arranjo final. Dezesseis execuções reais definiram a distribuição de referência, e dezesseis ambientes paralelos no simulador geraram o equivalente digital. A divergência entre eles foi medida em centímetros.
Velocidade, realismo e reprodutibilidade
Em termos de velocidade, o quadro é este:
- O Genesis lidera em manipuladores: cerca de 11,1 milhões de FPS com Franka em 131 072 ambientes.
- MJX e MuJoCo Warp são os recordistas em número de ambientes: 524 288 cada, com Franka.
- O Madrona sustentou 262 144 ambientes com cubos caindo, a cerca de 481 mil FPS, mas nessa configuração não oferece suporte a manipuladores.
- O Isaac Lab teve um resultado equilibrado: cerca de 472 mil FPS com cubos caindo e apenas 3,3 GB de memória da GPU.
- O MuJoCo Playground foi o mais lento: cerca de 35 FPS com cubos caindo, no máximo de 256 ambientes que ele suporta. A aceleração por GPU, por si só, não garante velocidade.
No quesito realismo, a boa notícia é que, no experimento caótico, cinco dos sete simuladores se afastaram da realidade em cerca de cinco centímetros. A física básica de contato funciona bem. A exceção é o Madrona. Seu solver XPBD, nessa configuração, não reproduziu o atrito na superfície de madeira, então os cubos quase não freavam e deslizaram mais de dois metros. A discrepância entre simulação e realidade cresceu cerca de 50 vezes. Benchmarks de taxa de sucesso dessas tarefas não percebem isso: uma xícara agarrada continua sendo considerada agarrada.
A reprodutibilidade foi o resultado mais inesperado. Os geradores de números aleatórios foram fixados, a randomização foi desligada e as cenas foram tornadas idênticas. Esperava-se resultados iguais, mas surgiram quatro padrões:
- Isaac Lab e ManiSkill: os ambientes dentro de uma mesma execução diferem em 4–5 cm, mas o resultado geral da execução se repete.
- Genesis e MJX: determinismo completo nesses testes, o regime mais adequado para comparações justas.
- Madrona e MuJoCo Warp: os resultados divergem tanto entre ambientes quanto entre execuções.
- MuJoCo Playground: os ambientes dentro de uma execução são consistentes, mas execuções independentes diferem em cerca de 1,4 cm.
O que fazer na prática e onde estão os limites
Imagine que você compare duas políticas de controle no Isaac Lab: uma executada na primeira metade dos ambientes e outra na segunda. Como os ambientes de uma mesma execução diferem em 4–5 cm, parte da diferença pode vir do ruído do simulador, e não da qualidade das políticas. Essa é a nossa conclusão a partir da tabela dos autores, não uma afirmação direta deles.
Se honestidade nas comparações A/B e reprodutibilidade são prioridade, nesses testes Genesis e MJX foram os que melhor se saíram. Para o maior número de ambientes paralelos com manipuladores, o indicado foi MJX ou MuJoCo Warp. Para velocidade com manipuladores, o indicado foi o Genesis.
Ao aumentar o número de ambientes, acompanhe não só o FPS, mas também a estabilidade dos resultados.
As limitações também importam. Todos os testes foram feitos em uma única placa de vídeo de consumo, e a referência real foi obtida com uma só cena e 16 experimentos. As conclusões sobre cada simulador valem para as configurações usadas pelos autores: o Madrona com XPBD, por exemplo, poderia se comportar de outra forma com outras configurações. O artigo e o código do benchmark foram publicados, então é possível verificar os resultados no seu próprio hardware.
- 21 de nov. de 2026Nvidia dobrou o lucro, mas ações caem 2% por causa da busca por um novo CEO
- 21 de nov. de 2026Nous Research retreinou o chinês Qwen3.8, e a propaganda nas respostas caiu de 22% para 1%
- 21 de nov. de 2026Samsung quer comprar a Modine, fornecedora de refrigeração para data centers, por quase US$ 6 bilhões
- 21 de nov. de 2026Reuters: projetos de IA na China no valor de US$ 3,2 bilhões dependem de chips da Nvidia, e Huang deixou o cargo
Perguntas frequentes sobre a notícia
Como o teste funciona?
A comparação incluiu sete simuladores com aceleração por GPU: Isaac Lab, ManiSkill, Genesis, Madrona, MuJoCo Warp, MJX e MuJoCo Playground. Plataformas que paralelizam apenas na CPU, como Gazebo e PyBullet, ficaram de fora. Todas as medições foram feitas em uma mesma estação de trabalho com placa de vídeo Nvidia RTX 5070 e 12 GB de memória. A renderização foi desativada e o passo de física foi de 0,01 s em todos os casos.
O que se sabe sobre Velocidade, realismo e reprodutibilidade?
Em termos de velocidade, o quadro é este: O Genesis lidera em manipuladores: cerca de 11,1 milhões de FPS com Franka em 131 072 ambientes. MJX e MuJoCo Warp são os recordistas em número de ambientes: 524 288 cada, com Franka. O Madrona sustentou 262 144 ambientes com cubos caindo, a cerca de 481 mil FPS, mas nessa configuração não oferece suporte a manipuladores. O Isaac Lab teve um resultado equilibrado: cerca de 472 mil FPS com cubos caindo e apenas 3,3 GB de memória da GPU.
O que fazer na prática e onde estão os limites?
Imagine que você compare duas políticas de controle no Isaac Lab: uma executada na primeira metade dos ambientes e outra na segunda. Como os ambientes de uma mesma execução diferem em 4–5 cm, parte da diferença pode vir do ruído do simulador, e não da qualidade das políticas. Essa é a nossa conclusão a partir da tabela dos autores, não uma afirmação direta deles. Se honestidade nas comparações A/B e reprodutibilidade são prioridade, nesses testes Genesis e MJX foram os que melhor se saíram.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.