PyBullet
开源物理仿真引擎，能够模拟碰撞检测、刚体动力学等真实物理属性，常用于强化学习环境构建，为训练提供高质量环境交互样本
时间轴 (近 90 天)
在PyBullet这类仿真环境中，交互成本较低，因此on-policy的样本效率劣势被弱化，稳定性优势更突出。
PyBullet提供了轻量级物理仿真，支持刚体动力学和碰撞检测，且Python接口友好。
一位开发者使用Stable-Baselines3的PPO算法在PyBullet仿真环境中训练Franka Panda机械臂完成抓取立方体并放置到目标垫的任务。
PyBullet是轻量级的物理仿真引擎，支持刚体动力学、关节约束与传感器仿真，常用于验证步态算法而无需承担实机损坏风险。
个人开发者能够实现平滑步态和单腿站立尝试，得益于近年来低成本高性能的伺服电机、惯性传感器以及开源控制库（如ROS 2、PyBullet仿真环境）的普及。
研究者使用Stable Baselines3和PyBullet两个开源工具进行无人机强化学习
PyBullet是开源物理仿真引擎，能够模拟刚体动力学、碰撞检测和传感器反馈
开发者通常先在物理仿真环境（如 Isaac Gym、MuJoCo、PyBullet）中训练模型
MuJoCo、Isaac Gym、PyBullet等主流物理引擎在接触建模、关节摩擦和刚体动力学方面的差异相当显著
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
还有 22 条时间轴事件
全部知识事实 (20)
PyBullet是基于Bullet Physics SDK的Python封装，由Erwin Coumans开发并维护，最初由Google Brain团队推广用于强化学习研究
60%待验证PyBullet是Bullet物理引擎的Python封装，轻量易用，常用于教学和快速原型开发
60%待验证在PyBullet这类仿真环境中，交互成本较低，因此on-policy的样本效率劣势被弱化，稳定性优势更突出。
50%待验证PyBullet提供了轻量级物理仿真，支持刚体动力学和碰撞检测，且Python接口友好。
50%待验证个人开发者能够实现平滑步态和单腿站立尝试，得益于近年来低成本高性能的伺服电机、惯性传感器以及开源控制库（如ROS 2、PyBullet仿真环境）的普及。
50%待验证PyBullet是轻量级的物理仿真引擎，支持刚体动力学、关节约束与传感器仿真，常用于验证步态算法而无需承担实机损坏风险。
50%待验证PyBullet是开源物理仿真引擎，能够模拟刚体动力学、碰撞检测和传感器反馈
50%待验证研究者使用Stable Baselines3和PyBullet两个开源工具进行无人机强化学习
50%待验证开发者通常先在物理仿真环境（如 Isaac Gym、MuJoCo、PyBullet）中训练模型
50%待验证MuJoCo、Isaac Gym、PyBullet等主流物理引擎在接触建模、关节摩擦和刚体动力学方面的差异相当显著
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gym-pybullet-drones 是基于 PyBullet 物理引擎、专门为无人机强化学习打造的开源仿真环境
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%待验证同一个爬坡任务在PyBullet加CPU上需要1小时45分钟完成训练
50%待验证对于本科毕设无人机MARL项目，PyBullet更适合，因其学习曲线平缓、硬件门槛低（RTX 4060可流畅运行）、社区成熟，能让团队更快进入算法开发阶段
50%待验证PPO等on-policy算法的训练通常需要1000万-5000万步，对于3-5架无人机规模PyBullet的CPU串行仿真速度已足够支撑
50%待验证对于本科毕设，建议先用PyBullet完成核心算法验证，时间充裕再尝试迁移到Isaac Lab进行对比实验
50%待验证PyBullet使用的Bullet引擎采用Sequential Impulse（顺序脉冲）求解器处理刚体接触和约束，以固定时间步长（通常240Hz，约4.17ms）推进仿真
50%待验证对于3-5架无人机规模的项目，PyBullet在CPU上的串行仿真速度足以支撑PPO等on-policy算法的训练需求，GPU并行化的加速优势不显著
50%待验证gym-pybullet-drones是一个基于PyBullet物理引擎的开源无人机仿真环境，由多伦多大学团队开发并维护，兼容OpenAI Gymnasium接口标准
50%