[論文レビュー] PyBatchRender: A Python Library for Batched 3D Rendering at Up to One Million FPS

Evgenii Rudakov, Jonathan P. Shock+1 more|arXiv (Cornell University)|Jan 3, 2026

Artificial Intelligence in Games被引用数 0

ひとこと要約

PyBatchRender は Panda3D 上に構築された Python ベースのデータ指向バッチ処理型 3D レンダラーで、マルチビュータイル、テンソル制御を用いた GPU インスタンシング、CUDA-OpenGL 相互運用性、TorchRL 統合を組み合わせることで、単純なシーンで 1,000,000 FPS 以上を達成します。

ABSTRACT

Reinforcement learning from pixels is often bottlenecked by the performance and complexity of 3D rendered environments. Researchers face a trade-off between high-speed, low-level engines and slower, more accessible Python frameworks. To address this, we introduce PyBatchRender, a Python library for high-throughput, batched 3D rendering that achieves over 1 million FPS on simple scenes. Built on the Panda3D game engine, it utilizes its mature ecosystem while enhancing performance through optimized batched rendering for up to 1000X speedups. Designed as a physics-agnostic renderer for reinforcement learning from pixels, PyBatchRender offers greater flexibility than dedicated libraries, simpler setup than typical game-engine wrappers, and speeds rivaling state-of-the-art C++ engines like Madrona. Users can create custom scenes entirely in Python with tens of lines of code, enabling rapid prototyping for scalable AI training. Open-source and easy to integrate, it serves to democratize high-performance 3D simulation for researchers and developers. The library is available at https://github.com/dolphin-in-a-coma/PyBatchRender.

研究の動機と目的

• ピクセルからの強化学習のための高スループットで Python からアクセス可能な 3D レンダラを提供する。
• C++ エンジンの性能と Python ベースのフレームワークの使いやすさのギャップを埋める。
• 最小限の Python コードで大規模な視覚的 RL 環境の迅速なプロトタイピングを可能にする。
• 物理エンジン非依存のレンダリングを提供し、さまざまなバックエンドおよび TorchRL との統合を可能にする。

提案手法

• データ指向の拡張を用いた Panda3D の拡張によるバッチレンダリングの実現。
• S シーンを単一の大きなレンダリングターゲットでレンダ링するためのマルチビュータイルの実装。
• ハードウェア・インスタンシングとカスタム GLSL シェーダを用いて I 件数を S シーン全体でテンソルベースのバッチ制御。
• PCIe 読み出しボトルネックを避けるための CUDA-OpenGL 相互運用性を提供し、CPU フ fallback パスを用意。
• Gymnasium 互換の環境インターフェースを公開する TorchRL との統合。

Figure 1: Batched rendering pipeline for a single geometry across multiple scenes. Users specify per-instance translations for $I$ instances of a shared mesh across $S$ scenes (dashed box separates user control from internal operations). The system constructs per-instance model matrices $M_{i}^{s}$

実験結果

リサーチクエスチョン

• RQ1 Python 上で既存のゲームエンジンの上にバッチレンダリングを実現してピクセルからの RL において高 FPS を達成するにはどうすればよいか？
• RQ2 インスタンス操作を Python から GPU へ移行するためにどのようなアーキテクチャ的拡張が必要で、それが異なる GPU でのスループットにどう影響するか？
• RQ3 PyBatchRender は解像度と GPU 母数に対して Isaac Lab、Maniskill、Madrona MJX などの他の高スループットレンダラーとどう比較されるか？
• RQ4 物理エンジン非依存の高スループットレンダラーをエンドツーエンドの RL パイプラインに組み込む際の実用的なトレードオフは何か？

主な発見

• ベースラインの Panda3D レンダリングで 1.1k–3.3k FPS を達成。
• マルチビュータイルにより、パスを統合することで GPU 間で 5.2×–7.8× の向上。
• CUDA–OpenGL 相互運用性により PCIe 読み出しボトルネックを排除し、NVIDIA GPU でのスループットを約 1.35×–1.65× 向上。
• ハードウェアインスタンシングとシェーダによるバッチ制御が最大の効果を生み出し：M2 約 5×、RTX 4090 約 107×、A100 約 150× の速度向上。
• マルチプロセッシングは飽和した GPU では僅かな利得に留まり、既に GPU ボトンのハードウェアでは恩恵が小さい。
• PyBatchRender は RTX 4090 で 64×64 時に 1.6 百万 FPS、512×512 時に 61k FPS を達成し、Madrona MJX の 403k FPS および 19k FPS に対してそれぞれの値を上回る。

Figure 2: Cumulative performance gains for rendering throughput for 64x64 resolution in the CartPoleBalance environment. Each component is added cumulatively to the baseline, demonstrating its contribution to the final performance on Apple M2, Nvidia RTX 4090, and Nvidia A100 GPUs.