Gazebo
Gazebo是广泛用于机器人研究与开发的开源3D物理仿真器，与ROS（机器人操作系统）深度集成，支持复杂的机器人运动学、动力学和传感器仿真
时间轴 (近 90 天)
学术界已有不少工作用Unity或Gazebo搭建AUV仿真，配合PPO训练避障、路径跟踪和姿态控制策略。
相比 Gazebo 等通用仿真器，MuJoCo 在计算速度和数值稳定性上更有优势，但需要以 MJCF（XML 格式）精确描述机器人参数
PAANI通过ROS 2接口将本地AI流水线与独立的Gazebo仿真船只、定位与控制测试平台连接，形成仿真验证闭环
主流物理引擎包括MuJoCo（高精度接触动力学）、PyBullet（开源轻量）、Isaac Gym（GPU并行加速）、Gazebo（ROS生态集成）等
Gazebo学习曲线陡峭，配置ROS、SDF模型、各类插件对新手不友好
Gazebo拥有大量现成的无人机模型（如PX4 SITL）可直接复用
Gazebo仿真速度较慢，高保真带来高计算开销，对需要跑上百次RL实验的场景可能成为瓶颈
在Gazebo中进行RL训练需要自行搭建Gym接口进行桥接
选择仿真平台的本质是RL训练效率与物理保真度之间的权衡
若团队计划迁移到真实无人机或对传感器级感知有较高要求，应优先选择Gazebo
还有 9 条时间轴事件
全部知识事实 (19)
选择仿真平台的本质是RL训练效率与物理保真度之间的权衡
60%待验证Gazebo是ROS生态的官方仿真器，功能全面，支持多传感器仿真（激光雷达、摄像头、IMU等）和多机器人仿真
60%待验证学术界已有不少工作用Unity或Gazebo搭建AUV仿真，配合PPO训练避障、路径跟踪和姿态控制策略。
50%待验证相比 Gazebo 等通用仿真器，MuJoCo 在计算速度和数值稳定性上更有优势，但需要以 MJCF（XML 格式）精确描述机器人参数
50%待验证PAANI通过ROS 2接口将本地AI流水线与独立的Gazebo仿真船只、定位与控制测试平台连接，形成仿真验证闭环
50%待验证主流物理引擎包括MuJoCo（高精度接触动力学）、PyBullet（开源轻量）、Isaac Gym（GPU并行加速）、Gazebo（ROS生态集成）等
50%待验证Gazebo学习曲线陡峭，配置ROS、SDF模型、各类插件对新手不友好
50%待验证PyBullet的物理保真度相比Gazebo有所妥协，传感器建模不够丰富
50%待验证Gazebo是机器人领域使用最广泛的仿真平台之一，与ROS/ROS2生态深度绑定
50%待验证Gazebo拥有大量现成的无人机模型（如PX4 SITL）可直接复用
50%待验证Gazebo仿真速度较慢，高保真带来高计算开销，对需要跑上百次RL实验的场景可能成为瓶颈
50%待验证在Gazebo中进行RL训练需要自行搭建Gym接口进行桥接
50%待验证若团队计划迁移到真实无人机或对传感器级感知有较高要求，应优先选择Gazebo
50%待验证推荐的折中策略是先用gym-pybullet-drones快速验证算法可行性，再在Gazebo中做少量高保真验证或sim-to-real测试
50%待验证GzDRL 是一个开源框架，试图直接在 Gazebo 内部完成强化学习训练
50%待验证ROS提供进程间通信机制（如话题Topic、服务Service、动作Action）、硬件抽象层、设备驱动接口、常用功能库、包管理工具以及RViz和Gazebo等可视化与仿真工具
50%待验证业界广泛使用的仿真平台包括 NVIDIA 的 Isaac Sim、DeepMind 的 MuJoCo 以及 PyBullet、Gazebo 等开源工具
50%待验证Gazebo安装配置过程较为复杂，且主要依赖Linux（Ubuntu）环境
50%待验证ROS并非传统操作系统，而是为机器人软件开发提供框架和工具集，Gazebo是ROS生态中的默认物理仿真器
50%