Бенчмарк GPUSimBench создан ведущим научным сотрудником AIRI Дмитрием Юдиным вместе с коллегами из Shanghai AI Lab; первым автором работы выступил Чжан Хучжэньюй, выпускник аспирантуры МФТИ и сотрудник шанхайской лаборатории. Исследование посвящено симуляторам с GPU-ускорением, которые всё активнее используются для обучения систем воплощённого ИИ, и оценивает их по трём осям: масштабируемости, физической согласованности и детерминированности. Результаты были представлены на ведущей робототехнической конференции IROS'2026, вместе со статьёй опубликован и код проекта. Для одной из симуляций авторы провели настоящий физический эксперимент, чтобы сопоставить виртуальные распределения результатов с реальным поведением объектов.

В исследование вошли семь общедоступных платформ: Isaac Lab, ManiSkill, Genesis, Madrona, MuJoCo Warp, MJX и MuJoCo Playground. Симуляторы, использующие параллелизм только на CPU, такие как Gazebo или PyBullet, в выборку не попали — их масштабирование ограничено числом ядер и накладными расходами на синхронизацию. Для каждой платформы измерялись суммарная производительность в кадрах в секунду и объём занятой памяти GPU при росте числа параллельных сред, а также вариативность между параллельными средами в одном запуске и воспроизводимость результатов между независимыми запусками с идентичной конфигурацией. Авторы подчёркивают, что оба эффекта — потеря физической корректности при массовом параллелизме и недетерминизм — поддаются измерению, носят систематический характер и проявляются по-разному в каждом симуляторе.

Техническая логика работы опирается на архитектурные особенности GPU: тысячи ядер рассчитаны на одновременное выполнение одной программы над большими объёмами данных, поэтому весь конвейер физического моделирования — обнаружение столкновений, учёт контактов и обновление состояния сцены — переносится на графический процессор. Такой подход позволяет синхронно обрабатывать тысячи, а иногда и миллионы сред на одном устройстве, тогда как классическая схема с множеством экземпляров симулятора на ядрах CPU дублирует состояние сцены в памяти и быстро упирается в доступные ресурсы. Однако именно массовый параллелизм порождает вопросы, которые и легли в основу бенчмарка: сохраняется ли корректность физики, когда десятки тысяч сред выполняют шаги одновременно, и совпадут ли результаты двух абсолютно одинаковых экспериментов с теми же начальными значениями генераторов случайных чисел.

Контекст работы связан с ростом интереса к подходам Real2Sim2Real, при которых реальные сенсорные данные робота переносятся в физически правдоподобную трёхмерную среду, там обучается нейросетевая модель управления, а сгенерированные действия конвертируются в управляющие сигналы реального устройства. Такой конвейер снимает ограничение на количество реальных демонстраций: в симуляторе можно сколько угодно раз проигрывать редкие сценарии, не рискуя повредить дорогостоящее оборудование. В этом направлении работают многие ведущие исследователи мира, включая авторов свежих проектов GenieSim 3.0 и Real2Render2Real; у группы Юдина также есть собственные наработки, в частности метод RozumFormer, предложенный несколько лет назад. Кроме того, лаборатория помогала Центру робототехники Сбера создавать виртуальные среды на базе Isaac Sim для соревнования GreenChallenge по обучению антропоморфного робота Green действиям на кухне, складе и в магазине. Предшественником нынешней публикации стала статья LAMDEN на конференции IJCNN'2025 о системе навигации между этажами с интерактивными сценами лифтов в Isaac Sim.

Для российского рынка и исследовательского сообщества значение работы двояко. С одной стороны, бенчмарк даёт практический инструмент выбора симулятора для проектов в области embodied AI: команды, обучающие роботов с подкреплением, смогут опираться не на маркетинговые обещания о миллионах сред, а на измеренные показатели масштабируемости и стабильности физики. С другой стороны, участие AIRI и МФТИ в совместном проекте с Shanghai AI Lab демонстрирует модель международной кооперации, которая в текущих условиях становится всё более значимой для доступа к передовой инфраструктуре и данным. Показательно и то, что тема диссертации первого автора — разработка интеллектуальной системы управления мобильными манипуляторами в сложных многоэтажных средах — напрямую связана с практическими задачами логистики и сервисной робототехники, где качество симуляции определяет переносимость обученных политик на реальные платформы.

По сравнению с альтернативами GPUSimBench закрывает нишу, которая до сих пор оставалась без внимания: существующие наборы тестов для симуляторов чаще сосредоточены на функциональности или на точности отдельных физических движков, но не на поведении системы при экстремальном параллелизме. Именно комбинация трёх метрик — производительности, согласованности с реальностью и детерминизма — позволяет выявить компромиссы, которые разработчик делает незаметно для себя, выбирая ту или иную платформу. Открытый код бенчмарка даёт возможность воспроизводить замеры и расширять список оцениваемых симуляторов по мере появления новых GPU-ориентированных решений.

Открытыми остаются вопросы о том, как выявленные эффекты масштабируются на гетерогенные кластеры с несколькими GPU, на сценарии с деформируемыми телами и контактами высокой сложности, а также о том, какие архитектурные решения позволяют снизить недетерминизм без потери производительности. Для индустрии это означает, что выбор симулятора перестаёт быть вопросом удобства API и становится вопросом воспроизводимости экспериментов, что особенно важно при переходе от исследовательских прототипов к промышленным системам автономных роботов. Дальнейшее развитие GPUSimBench, вероятно, будет связано с расширением набора задач и с публикацией эталонных конфигураций, по которым сообщество сможет сравнивать собственные решения.