G1 纯物理吞吐对比：Metal、ROCm、CUDA、MJWarp 与 Newton

[TATP-233]

G1 纯物理吞吐对比：Metal、ROCm、CUDA、MJWarp 与 Newton

我们在三台机器上，使用相同的 g1_walk_flat 人形场景，对 Genesis、MJWarp、Newton、mjbatch 和 MotrixSim 进行了纯物理吞吐测试。Genesis 1.3.3 已分别通过 gs.metal、gs.amdgpu 和 gs.cuda 完成真实物理步进；MJWarp 与 Newton 则在 NVIDIA CUDA 上完成补充测试。

关联 PR：#2518。

测试口径

• 模型：src/unilab/assets/robots/g1/scene_flat.xml
• 初始状态：stand keyframe，并持续保持 keyframe 中的控制目标
• 环境数量：1024、2048、4096、8192
• 每次调用步进 nstep=20，预热 2 次，正式测量 3 次并取平均
• 吞吐公式：总物理步/秒 = batch_size * nstep / mean_elapsed_sec
• 计时区只包含物理步进和必要的 GPU 同步，不包含控制上传、状态/传感器复制、观测、奖励或 reset
• 版本：Genesis 1.3.3、MuJoCo/MJWarp 3.11.0、Newton 1.5.1、Warp 1.16.0、mjbatch-uni 0.2.5、motrixsim-core 0.10.1
• MJWarp 使用 eager kernels，未启用 CUDA Graph；njmax=256、nconmax=256，每个 20 步计时块结束后同步一次
• Newton 使用 SolverMuJoCo 的 Newton 求解器和 implicitfast；njmax=512、nconmax=320，每个 20 步计时块结束后同步一次

各引擎的数值行为并不完全相同。MotrixSim 会忽略 MJCF 的 integrator 字段，使用引擎默认积分器和 UniSim 生产配置 max_iterations=3。以下结果是引擎吞吐对比，不代表数值等价，也不构成新的生产支持声明。

Apple M5 Ultra：Genesis Metal

CPU：Apple M5 Ultra，36 核。GPU：80 核 Apple GPU，后端 gs.metal。

单位：物理步/秒。

num-env	Genesis Metal	mjbatch CPU	MotrixSim CPU
1024	232,213	628,433	366,855
2048	377,812	634,531	379,696
4096	520,957	638,874	392,977
8192	622,322	638,487	395,982

Apple M5 Max 本机复测

CPU：Apple M5 Max，18 核（6 Super + 12 Performance）。GPU：40 核 Apple GPU，128 GB 统一内存，后端 gs.metal。复测使用与上表相同的模型、keyframe、批量和计时口径；CPU 后端使用 18 个有效线程。

单位：物理步/秒。

num-env	Genesis Metal	mjbatch CPU	MotrixSim CPU
1024	225,003	270,817	194,188
2048	296,989	289,965	207,814
4096	380,659	290,392	206,547
8192	575,399	282,742	203,154

本机版本：Genesis 1.3.3、MuJoCo/MJWarp 系列依赖中的 MuJoCo 3.11.0、mjbatch-uni 0.2.5、motrixsim-core 0.10.1。运行 macOS 26.6.2。在 PR #2518 的隔离 worktree 中，tests/benchmark/test_g1_physics_throughput_benchmark.py 结果为 13 passed；随后完整基准命令成功完成并生成 results.json 与两张曲线图。

AMD MI300X：Genesis ROCm

CPU：Intel Xeon Platinum 8568Y+，160 个有效核。GPU：单张 AMD Instinct MI300X VF，后端 gs.amdgpu，PyTorch 2.14.0+rocm7.2。

单位：物理步/秒。

num-env	Genesis ROCm	mjbatch CPU	MotrixSim CPU
1024	138,501	625,262	370,210
2048	261,063	614,467	398,972
4096	411,605	933,563	462,792
8192	504,996	967,913	413,009

该服务器为共享环境，CPU 测量会受到当时其他任务负载的影响。

NVIDIA RTX 4090：Genesis CUDA、MJWarp 与 Newton

CPU：AMD Ryzen 9 9950X3D2，16 个有效核。GPU：单张 NVIDIA GeForce RTX 4090。Genesis 使用 gs.cuda，PyTorch 2.14.0+cu130；MJWarp 和 Newton 使用 CUDA eager kernels。

单位：物理步/秒。

num-env	Genesis CUDA	MJWarp CUDA	Newton CUDA	mjbatch CPU	MotrixSim CPU
1024	385,077	403,264	436,072	373,530	244,236
2048	658,571	752,214	796,042	373,592	246,159
4096	894,556	1,326,246	1,317,090	370,588	199,916
8192	982,132	1,786,054	1,682,326	373,719	225,728

在本轮 RTX 4090 测试中，MJWarp 的总物理吞吐最高；8192 环境下 MJWarp 约为 178.61 万物理步/秒，Newton 约为 168.23 万物理步/秒，Genesis CUDA 约为 98.21 万物理步/秒。

复现方式

统一 benchmark 会在 Apple Silicon 上选择 Metal，在 Linux HIP 环境选择 AMDGPU，在其他 Linux NVIDIA 环境选择 CUDA。原来的三后端默认矩阵保持不变；MJWarp 和 Newton 可显式选择。以下命令用于在 NVIDIA CUDA 机器上一次运行全部五个后端：

uv run --extra genesis --extra mujoco --extra motrix --extra mjwarp --extra newton \
  scripts/benchmark/physics/benchmark_g1_physics_throughput.py \
  --backends genesis,mjbatch,motrixsim,mjwarp,newton \
  --batch-sizes 1024,2048,4096,8192 \
  --nstep 20 --warmup 2 --iters 3

Linux 下可用 CUDA_VISIBLE_DEVICES=0 固定单卡；ROCm 同时设置 HIP_VISIBLE_DEVICES=0 和 ROCR_VISIBLE_DEVICES=0。

每次运行都会在 scripts/benchmark/outputs/physics_step/ 下保存均值、标准差、最小/最大耗时、总吞吐、单环境吞吐、依赖版本、设备信息、JSON 和曲线。

本基准直接调用各原生引擎，不表示 UniLab Genesis adapter 已扩展支持 Metal 或 ROCm。