diff --git a/README.md b/README.md index b8e9fb430..fdcc2ce97 100644 --- a/README.md +++ b/README.md @@ -105,7 +105,7 @@ genesis ## Documentation -Comprehensive documentation is available in [English](https://genesis-world.readthedocs.io/en/latest/user_guide/index.html) and [Chinese](https://genesis-world.readthedocs.io/zh-cn/latest/user_guide/index.html). This includes detailed installation steps, tutorials, and API references. +Comprehensive documentation is available in [English](https://genesis-world.readthedocs.io/en/latest/user_guide/index.html), [Chinese](https://genesis-world.readthedocs.io/zh-cn/latest/user_guide/index.html), and [Japanese](https://genesis-world.readthedocs.io/ja/latest/user_guide/index.html). This includes detailed installation steps, tutorials, and API references. ## Contributing to Genesis diff --git a/README_CN.md b/README_CN.md index 650d40ba8..11e32c9be 100644 --- a/README_CN.md +++ b/README_CN.md @@ -1,158 +1,159 @@ -![Genesis](imgs/big_text.png) - -![Teaser](imgs/teaser.png) - -[![PyPI - Version](https://img.shields.io/pypi/v/genesis-world)](https://pypi.org/project/genesis-world/) -[![PyPI - Downloads](https://img.shields.io/pypi/dm/genesis-world)](https://pypi.org/project/genesis-world/) -[![GitHub Issues](https://img.shields.io/github/issues/Genesis-Embodied-AI/Genesis)](https://github.com/Genesis-Embodied-AI/Genesis/issues) -[![GitHub Discussions](https://img.shields.io/github/discussions/Genesis-Embodied-AI/Genesis)](https://github.com/Genesis-Embodied-AI/Genesis/discussions) - -[![README in English](https://img.shields.io/badge/English-d9d9d9)](./README.md) -[![README en Français](https://img.shields.io/badge/Francais-d9d9d9)](./README_FR.md) -[![한국어 README](https://img.shields.io/badge/한국어-d9d9d9)](./README_KR.md) -[![简体中文版自述文件](https://img.shields.io/badge/简体中文-d9d9d9)](./README_CN.md) -[![日本語版 README](https://img.shields.io/badge/日本語-d9d9d9)](./README_JA.md) - -# Genesis 通用物理引擎 - -## 目录 - -1. [概述](#概述) -2. [主要特点](#主要特点) -3. [快速入门](#快速入门) -4. [参与贡献](#参与贡献) -5. [帮助支持](#帮助支持) -6. [许可证与致谢](#许可证和致谢) -7. [相关论文](#genesis-背后的论文) -8. [引用](#引用) - -## 概述 - -Genesis 是专为 *机器人/嵌入式 AI/物理 AI* 应用设计的通用物理平台，集成了以下核心功能： - -- **通用物理引擎**: 从底层重建,支持多种材料和物理现象模拟 -- **机器人模拟平台**: 轻量、高速、Python友好的开发环境 -- **真实感渲染**: 内置光线追踪渲染系统 -- **生成数据引擎**: 自然语言驱动的多模态数据生成 - -我们的长期使命: - -- 降低物理模拟使用门槛 -- 统一各类物理求解器 -- 实现数据生成自动化 - -项目主页: - -## 主要特点 - -- **速度**：Genesis 提供了前所未有的模拟速度——在单个 RTX 4090 上模拟 Franka 机器人手臂时超过 4300 万 FPS（比实时快 430,000 倍）。 -- **跨平台**：Genesis 原生运行在不同系统（Linux、MacOS、Windows）和不同计算后端（CPU、Nvidia GPU、AMD GPU、Apple Metal）上。 -- **各种物理求解器的统一**：Genesis 开发了一个统一的模拟框架，集成了各种物理求解器：刚体、MPM、SPH、FEM、PBD、稳定流体。 -- **支持广泛的材料模型**：Genesis 支持刚体和关节体、各种液体、气体现象、可变形物体、薄壳物体和颗粒材料的模拟（及其耦合）。 -- **支持广泛的机器人**：机器人手臂、腿式机器人、无人机、*软体机器人*等，并广泛支持加载不同文件类型：`MJCF (.xml)`、`URDF`、`.obj`、`.glb`、`.ply`、`.stl` 等。 -- **照片级真实感和高性能光线追踪器**：Genesis 支持基于光线追踪的原生渲染。 -- **可微分性**：Genesis 设计为完全兼容可微分模拟。目前，我们的 MPM 求解器和工具求解器是可微分的，其他求解器的可微分性将很快添加（从刚体模拟开始）。 -- **基于物理的触觉传感器**：Genesis 包含一个基于物理的可微分 [触觉传感器模拟模块](https://github.com/Genesis-Embodied-AI/DiffTactile)。这将很快集成到公共版本中（预计在 0.3.0 版本中）。 -- **用户友好性**：Genesis 设计为尽可能简化模拟的使用。从安装到 API 设计，如果有任何您觉得不直观或难以使用的地方，请 [告诉我们](https://github.com/Genesis-Embodied-AI/Genesis/issues)。 - -## 快速入门 - -### 安装 -首先按照[官方指南](https://pytorch.org/get-started/locally/)安装 PyTorch。 - -然后可通过 PyPI 安装Genesis： -```bash -pip install genesis-world # 需要 Python >=3.9 -``` - -### Docker 支持 - -如果您想通过 Docker 使用 Genesis，您可以首先构建 Docker 镜像，命令如下： - -```bash -docker build -t genesis -f docker/Dockerfile docker -``` - -然后，您可以在 Docker 镜像内运行示例代码（挂载到 `/workspace/examples`）： - -```bash -xhost +local:root # 允许容器访问显示器 - -docker run --gpus all --rm -it \ --e DISPLAY=$DISPLAY \ --v /tmp/.X11-unix/:/tmp/.X11-unix \ --v $PWD:/workspace \ -genesis -``` - -### 文档 - -- [英文文档](https://genesis-world.readthedocs.io/en/latest/user_guide/index.html) -- [中文文档](https://genesis-world.readthedocs.io/zh-cn/latest/user_guide/index.html) - -## 参与贡献 - -Genesis 项目的目标是构建一个完全透明、用户友好的生态系统，让来自机器人和计算机图形学的贡献者 **共同创建一个高效、真实（物理和视觉上）的虚拟世界，用于机器人研究及其他领域**。 - -我们真诚地欢迎来自社区的 *任何形式的贡献*，以使世界对机器人更友好。从 **新功能的拉取请求**、**错误报告**，到甚至是使 Genesis API 更直观的微小 **建议**，我们都全心全意地感谢！ - -## 帮助支持 - -- 请使用 Github [Issues](https://github.com/Genesis-Embodied-AI/Genesis/issues) 报告错误和提出功能请求。 - -- 请使用 GitHub [Discussions](https://github.com/Genesis-Embodied-AI/Genesis/discussions) 讨论想法和提问。 - -## 许可证和致谢 - -Genesis 源代码根据 Apache 2.0 许可证授权。 -没有这些令人惊叹的开源项目，Genesis 的开发是不可能的： - -- [Taichi](https://github.com/taichi-dev/taichi)：提供高性能跨平台计算后端。感谢 taichi 的所有成员提供的技术支持！ -- [FluidLab](https://github.com/zhouxian/FluidLab) 提供参考 MPM 求解器实现 -- [SPH_Taichi](https://github.com/erizmr/SPH_Taichi) 提供参考 SPH 求解器实现 -- [Ten Minute Physics](https://matthias-research.github.io/pages/tenMinutePhysics/index.html) 和 [PBF3D](https://github.com/WASD4959/PBF3D) 提供参考 PBD 求解器实现 -- [MuJoCo](https://github.com/google-deepmind/mujoco) 和 [Brax](https://github.com/google/brax) 提供刚体动力学参考 -- [libccd](https://github.com/danfis/libccd) 提供碰撞检测参考 -- [PyRender](https://github.com/mmatl/pyrender) 提供基于光栅化的渲染器 -- [LuisaCompute](https://github.com/LuisaGroup/LuisaCompute) 和 [LuisaRender](https://github.com/LuisaGroup/LuisaRender) 提供其光线追踪 DSL -- [trimesh](https://github.com/mikedh/trimesh)、[PyMeshLab](https://github.com/cnr-isti-vclab/PyMeshLab) 和 [CoACD](https://github.com/SarahWeiii/CoACD) 提供几何处理 - -## Genesis 背后的论文 - -Genesis 是一个大规模的努力，将各种现有和正在进行的研究工作的最先进技术集成到一个系统中。这里我们列出了一些对 Genesis 项目有贡献的论文（非详尽列表）： - -- Xian, Zhou, et al. "Fluidlab: A differentiable environment for benchmarking complex fluid manipulation." arXiv preprint arXiv:2303.02346 (2023). -- Xu, Zhenjia, et al. "Roboninja: Learning an adaptive cutting policy for multi-material objects." arXiv preprint arXiv:2302.11553 (2023). -- Wang, Yufei, et al. "Robogen: Towards unleashing infinite data for automated robot learning via generative simulation." arXiv preprint arXiv:2311.01455 (2023). -- Wang, Tsun-Hsuan, et al. "Softzoo: A soft robot co-design benchmark for locomotion in diverse environments." arXiv preprint arXiv:2303.09555 (2023). -- Wang, Tsun-Hsuan Johnson, et al. "Diffusebot: Breeding soft robots with physics-augmented generative diffusion models." Advances in Neural Information Processing Systems 36 (2023): 44398-44423. -- Katara, Pushkal, Zhou Xian, and Katerina Fragkiadaki. "Gen2sim: Scaling up robot learning in simulation with generative models." 2024 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2024. -- Si, Zilin, et al. "DiffTactile: A Physics-based Differentiable Tactile Simulator for Contact-rich Robotic Manipulation." arXiv preprint arXiv:2403.08716 (2024). -- Wang, Yian, et al. "Thin-Shell Object Manipulations With Differentiable Physics Simulations." arXiv preprint arXiv:2404.00451 (2024). -- Lin, Chunru, et al. "UBSoft: A Simulation Platform for Robotic Skill Learning in Unbounded Soft Environments." arXiv preprint arXiv:2411.12711 (2024). -- Zhou, Wenyang, et al. "EMDM: Efficient motion diffusion model for fast and high-quality motion generation." European Conference on Computer Vision. Springer, Cham, 2025. -- Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming C. Lin. "Scalable differentiable physics for learning and control." International Conference on Machine Learning. PMLR, 2020. -- Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming C. Lin. "Efficient differentiable simulation of articulated bodies." In International Conference on Machine Learning, PMLR, 2021. -- Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming Lin. "Differentiable simulation of soft multi-body systems." Advances in Neural Information Processing Systems 34 (2021). -- Wan, Weilin, et al. "Tlcontrol: Trajectory and language control for human motion synthesis." arXiv preprint arXiv:2311.17135 (2023). -- Wang, Yian, et al. "Architect: Generating Vivid and Interactive 3D Scenes with Hierarchical 2D Inpainting." arXiv preprint arXiv:2411.09823 (2024). -- Zheng, Shaokun, et al. "LuisaRender: A high-performance rendering framework with layered and unified interfaces on stream architectures." ACM Transactions on Graphics (TOG) 41.6 (2022): 1-19. -- Fan, Yingruo, et al. "Faceformer: Speech-driven 3d facial animation with transformers." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2022. -- Wu, Sichun, Kazi Injamamul Haque, and Zerrin Yumak. "ProbTalk3D: Non-Deterministic Emotion Controllable Speech-Driven 3D Facial Animation Synthesis Using VQ-VAE." Proceedings of the 17th ACM SIGGRAPH Conference on Motion, Interaction, and Games. 2024. -- Dou, Zhiyang, et al. "C· ase: Learning conditional adversarial skill embeddings for physics-based characters." SIGGRAPH Asia 2023 Conference Papers. 2023. - -... 以及许多正在进行的工作。 - -## 引用 - -如果您在研究中使用了 Genesis，我们将非常感谢您引用它。我们仍在撰写技术报告，在其公开之前，您可以考虑引用： - -```bibtex -@software{Genesis, - author = {Genesis Authors}, - title = {Genesis: A Universal and Generative Physics Engine for Robotics and Beyond}, - month = {December}, - year = {2024}, - url = {https://github.com/Genesis-Embodied-AI/Genesis} -} -``` +![Genesis](imgs/big_text.png) + +![Teaser](imgs/teaser.png) + +[![PyPI - Version](https://img.shields.io/pypi/v/genesis-world)](https://pypi.org/project/genesis-world/) +[![PyPI - Downloads](https://img.shields.io/pypi/dm/genesis-world)](https://pypi.org/project/genesis-world/) +[![GitHub Issues](https://img.shields.io/github/issues/Genesis-Embodied-AI/Genesis)](https://github.com/Genesis-Embodied-AI/Genesis/issues) +[![GitHub Discussions](https://img.shields.io/github/discussions/Genesis-Embodied-AI/Genesis)](https://github.com/Genesis-Embodied-AI/Genesis/discussions) + +[![README in English](https://img.shields.io/badge/English-d9d9d9)](./README.md) +[![README en Français](https://img.shields.io/badge/Francais-d9d9d9)](./README_FR.md) +[![한국어 README](https://img.shields.io/badge/한국어-d9d9d9)](./README_KR.md) +[![简体中文版自述文件](https://img.shields.io/badge/简体中文-d9d9d9)](./README_CN.md) +[![日本語版 README](https://img.shields.io/badge/日本語-d9d9d9)](./README_JA.md) + +# Genesis 通用物理引擎 + +## 目录 + +1. [概述](#概述) +2. [主要特点](#主要特点) +3. [快速入门](#快速入门) +4. [参与贡献](#参与贡献) +5. [帮助支持](#帮助支持) +6. [许可证与致谢](#许可证和致谢) +7. [相关论文](#genesis-背后的论文) +8. [引用](#引用) + +## 概述 + +Genesis 是专为 *机器人/嵌入式 AI/物理 AI* 应用设计的通用物理平台，集成了以下核心功能： + +- **通用物理引擎**: 从底层重建,支持多种材料和物理现象模拟 +- **机器人模拟平台**: 轻量、高速、Python友好的开发环境 +- **真实感渲染**: 内置光线追踪渲染系统 +- **生成数据引擎**: 自然语言驱动的多模态数据生成 + +我们的长期使命: + +- 降低物理模拟使用门槛 +- 统一各类物理求解器 +- 实现数据生成自动化 + +项目主页: + +## 主要特点 + +- **速度**：Genesis 提供了前所未有的模拟速度——在单个 RTX 4090 上模拟 Franka 机器人手臂时超过 4300 万 FPS（比实时快 430,000 倍）。 +- **跨平台**：Genesis 原生运行在不同系统（Linux、MacOS、Windows）和不同计算后端（CPU、Nvidia GPU、AMD GPU、Apple Metal）上。 +- **各种物理求解器的统一**：Genesis 开发了一个统一的模拟框架，集成了各种物理求解器：刚体、MPM、SPH、FEM、PBD、稳定流体。 +- **支持广泛的材料模型**：Genesis 支持刚体和关节体、各种液体、气体现象、可变形物体、薄壳物体和颗粒材料的模拟（及其耦合）。 +- **支持广泛的机器人**：机器人手臂、腿式机器人、无人机、*软体机器人*等，并广泛支持加载不同文件类型：`MJCF (.xml)`、`URDF`、`.obj`、`.glb`、`.ply`、`.stl` 等。 +- **照片级真实感和高性能光线追踪器**：Genesis 支持基于光线追踪的原生渲染。 +- **可微分性**：Genesis 设计为完全兼容可微分模拟。目前，我们的 MPM 求解器和工具求解器是可微分的，其他求解器的可微分性将很快添加（从刚体模拟开始）。 +- **基于物理的触觉传感器**：Genesis 包含一个基于物理的可微分 [触觉传感器模拟模块](https://github.com/Genesis-Embodied-AI/DiffTactile)。这将很快集成到公共版本中（预计在 0.3.0 版本中）。 +- **用户友好性**：Genesis 设计为尽可能简化模拟的使用。从安装到 API 设计，如果有任何您觉得不直观或难以使用的地方，请 [告诉我们](https://github.com/Genesis-Embodied-AI/Genesis/issues)。 + +## 快速入门 + +### 安装 +首先按照[官方指南](https://pytorch.org/get-started/locally/)安装 PyTorch。 + +然后可通过 PyPI 安装Genesis： +```bash +pip install genesis-world # 需要 Python >=3.9 +``` + +### Docker 支持 + +如果您想通过 Docker 使用 Genesis，您可以首先构建 Docker 镜像，命令如下： + +```bash +docker build -t genesis -f docker/Dockerfile docker +``` + +然后，您可以在 Docker 镜像内运行示例代码（挂载到 `/workspace/examples`）： + +```bash +xhost +local:root # 允许容器访问显示器 + +docker run --gpus all --rm -it \ +-e DISPLAY=$DISPLAY \ +-v /tmp/.X11-unix/:/tmp/.X11-unix \ +-v $PWD:/workspace \ +genesis +``` + +### 文档 + +- [英文文档](https://genesis-world.readthedocs.io/en/latest/user_guide/index.html) +- [中文文档](https://genesis-world.readthedocs.io/zh-cn/latest/user_guide/index.html) +- [日文文档](https://genesis-world.readthedocs.io/ja/latest/user_guide/index.html) + +## 参与贡献 + +Genesis 项目的目标是构建一个完全透明、用户友好的生态系统，让来自机器人和计算机图形学的贡献者 **共同创建一个高效、真实（物理和视觉上）的虚拟世界，用于机器人研究及其他领域**。 + +我们真诚地欢迎来自社区的 *任何形式的贡献*，以使世界对机器人更友好。从 **新功能的拉取请求**、**错误报告**，到甚至是使 Genesis API 更直观的微小 **建议**，我们都全心全意地感谢！ + +## 帮助支持 + +- 请使用 Github [Issues](https://github.com/Genesis-Embodied-AI/Genesis/issues) 报告错误和提出功能请求。 + +- 请使用 GitHub [Discussions](https://github.com/Genesis-Embodied-AI/Genesis/discussions) 讨论想法和提问。 + +## 许可证和致谢 + +Genesis 源代码根据 Apache 2.0 许可证授权。 +没有这些令人惊叹的开源项目，Genesis 的开发是不可能的： + +- [Taichi](https://github.com/taichi-dev/taichi)：提供高性能跨平台计算后端。感谢 taichi 的所有成员提供的技术支持！ +- [FluidLab](https://github.com/zhouxian/FluidLab) 提供参考 MPM 求解器实现 +- [SPH_Taichi](https://github.com/erizmr/SPH_Taichi) 提供参考 SPH 求解器实现 +- [Ten Minute Physics](https://matthias-research.github.io/pages/tenMinutePhysics/index.html) 和 [PBF3D](https://github.com/WASD4959/PBF3D) 提供参考 PBD 求解器实现 +- [MuJoCo](https://github.com/google-deepmind/mujoco) 和 [Brax](https://github.com/google/brax) 提供刚体动力学参考 +- [libccd](https://github.com/danfis/libccd) 提供碰撞检测参考 +- [PyRender](https://github.com/mmatl/pyrender) 提供基于光栅化的渲染器 +- [LuisaCompute](https://github.com/LuisaGroup/LuisaCompute) 和 [LuisaRender](https://github.com/LuisaGroup/LuisaRender) 提供其光线追踪 DSL +- [trimesh](https://github.com/mikedh/trimesh)、[PyMeshLab](https://github.com/cnr-isti-vclab/PyMeshLab) 和 [CoACD](https://github.com/SarahWeiii/CoACD) 提供几何处理 + +## Genesis 背后的论文 + +Genesis 是一个大规模的努力，将各种现有和正在进行的研究工作的最先进技术集成到一个系统中。这里我们列出了一些对 Genesis 项目有贡献的论文（非详尽列表）： + +- Xian, Zhou, et al. "Fluidlab: A differentiable environment for benchmarking complex fluid manipulation." arXiv preprint arXiv:2303.02346 (2023). +- Xu, Zhenjia, et al. "Roboninja: Learning an adaptive cutting policy for multi-material objects." arXiv preprint arXiv:2302.11553 (2023). +- Wang, Yufei, et al. "Robogen: Towards unleashing infinite data for automated robot learning via generative simulation." arXiv preprint arXiv:2311.01455 (2023). +- Wang, Tsun-Hsuan, et al. "Softzoo: A soft robot co-design benchmark for locomotion in diverse environments." arXiv preprint arXiv:2303.09555 (2023). +- Wang, Tsun-Hsuan Johnson, et al. "Diffusebot: Breeding soft robots with physics-augmented generative diffusion models." Advances in Neural Information Processing Systems 36 (2023): 44398-44423. +- Katara, Pushkal, Zhou Xian, and Katerina Fragkiadaki. "Gen2sim: Scaling up robot learning in simulation with generative models." 2024 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2024. +- Si, Zilin, et al. "DiffTactile: A Physics-based Differentiable Tactile Simulator for Contact-rich Robotic Manipulation." arXiv preprint arXiv:2403.08716 (2024). +- Wang, Yian, et al. "Thin-Shell Object Manipulations With Differentiable Physics Simulations." arXiv preprint arXiv:2404.00451 (2024). +- Lin, Chunru, et al. "UBSoft: A Simulation Platform for Robotic Skill Learning in Unbounded Soft Environments." arXiv preprint arXiv:2411.12711 (2024). +- Zhou, Wenyang, et al. "EMDM: Efficient motion diffusion model for fast and high-quality motion generation." European Conference on Computer Vision. Springer, Cham, 2025. +- Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming C. Lin. "Scalable differentiable physics for learning and control." International Conference on Machine Learning. PMLR, 2020. +- Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming C. Lin. "Efficient differentiable simulation of articulated bodies." In International Conference on Machine Learning, PMLR, 2021. +- Qiao, Yi-Ling, Junbang Liang, Vladlen Koltun, and Ming Lin. "Differentiable simulation of soft multi-body systems." Advances in Neural Information Processing Systems 34 (2021). +- Wan, Weilin, et al. "Tlcontrol: Trajectory and language control for human motion synthesis." arXiv preprint arXiv:2311.17135 (2023). +- Wang, Yian, et al. "Architect: Generating Vivid and Interactive 3D Scenes with Hierarchical 2D Inpainting." arXiv preprint arXiv:2411.09823 (2024). +- Zheng, Shaokun, et al. "LuisaRender: A high-performance rendering framework with layered and unified interfaces on stream architectures." ACM Transactions on Graphics (TOG) 41.6 (2022): 1-19. +- Fan, Yingruo, et al. "Faceformer: Speech-driven 3d facial animation with transformers." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2022. +- Wu, Sichun, Kazi Injamamul Haque, and Zerrin Yumak. "ProbTalk3D: Non-Deterministic Emotion Controllable Speech-Driven 3D Facial Animation Synthesis Using VQ-VAE." Proceedings of the 17th ACM SIGGRAPH Conference on Motion, Interaction, and Games. 2024. +- Dou, Zhiyang, et al. "C· ase: Learning conditional adversarial skill embeddings for physics-based characters." SIGGRAPH Asia 2023 Conference Papers. 2023. + +... 以及许多正在进行的工作。 + +## 引用 + +如果您在研究中使用了 Genesis，我们将非常感谢您引用它。我们仍在撰写技术报告，在其公开之前，您可以考虑引用： + +```bibtex +@software{Genesis, + author = {Genesis Authors}, + title = {Genesis: A Universal and Generative Physics Engine for Robotics and Beyond}, + month = {December}, + year = {2024}, + url = {https://github.com/Genesis-Embodied-AI/Genesis} +} +``` diff --git a/README_JA.md b/README_JA.md index 3e4ff0f27..8050099db 100644 --- a/README_JA.md +++ b/README_JA.md @@ -102,7 +102,7 @@ genesis ## ドキュメント -包括的なドキュメントは現時点では[英語](https://genesis-world.readthedocs.io/en/latest/user_guide/index.html)および[中国語](https://genesis-world.readthedocs.io/zh-cn/latest/user_guide/index.html)で提供されています。詳細なインストール手順、チュートリアル、APIリファレンスが含まれています。 +包括的なドキュメントは現時点では[英語](https://genesis-world.readthedocs.io/en/latest/user_guide/index.html)、[中国語](https://genesis-world.readthedocs.io/zh-cn/latest/user_guide/index.html)、および[日本語](https://genesis-world.readthedocs.io/ja/latest/user_guide/index.html)で提供されています。詳細なインストール手順、チュートリアル、APIリファレンスが含まれています。 ## Genesisへの貢献