DART 7 重构中：研究型物理引擎的 Python 优先路线与兼容性代价
用于机器人、动画和机器学习的专注于研究的 C++23 物理引擎，具有 Python 绑定。
秒懂
- 它是什么？
- DART 是面向机器人、动画与机器学习研究的 C++23 物理引擎，当前 main 分支正在重构为 DART 7，Python 接口先行，但稳定版仍是 DART 6 LTS。本文基于仓库文档与发布记录，梳理其机制、安装路径与适用边界。
- 适合谁用？
- DART 7 适合需要直接访问动力学量、愿意跟踪源码构建的研究者，尤其是用 Python 快速原型且不依赖稳定 API 的团队。生产环境或依赖 URDF/SDF/MJCF 加载的现有项目，应继续使用 DART 6 LTS 或 release-6.20 分支，直到 DART 7 发布正式 wheel 与非 yanked 包。
- 能商用吗？
- 可以。BSD-2-Clause 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 1 天前。
- 用什么语言写的？
- 主要是 C++（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月14日）和我们的分析，不构成法律意见。
开源项目深度解析
一个正在重写的物理引擎，而不是一个稳定版本
DART（Dynamic Animation and Robotics Toolkit）是一个研究导向的物理引擎，面向机器人、动画和机器学习。它的卖点不是黑箱模拟，而是透明的运动学、动力学、碰撞和约束求解。仓库的 README 明确警告：当前 main 分支追踪的是 DART 7，一个尚未推荐用于生产的重构版本。稳定版本是 DART 6 LTS，代码在 release-6.20 分支。这个区分很重要，因为很多用户可能从 PyPI 或 conda 安装 dartpy，但拿到的是 DART 6 的包。DART 7 的 Python 接口目前只能通过源码构建使用。换句话说，这个项目现在有两个并行世界，一个在重构，一个在维护，文档也分成 latest 和 stable 两套。
广义坐标与 Featherstone 算法：核心机制
DART 使用广义坐标来描述铰接刚体系统，而不是笛卡尔坐标加约束。这意味着每个关节的坐标直接参与动力学计算。动力学求解基于 Featherstone 的 Articulated Body Algorithm，这是机器人学中处理树状链的标准方法，计算效率高，数值稳定性好。README 强调用户可以“直接访问动力学量”，这是它与黑箱模拟器的根本区别。对于研究算法、需要读取关节力矩、速度或质量矩阵的场景，这种透明性是关键。但这也意味着用户需要理解动力学原理，而不是只关心渲染效果。
Python 优先的 DART 7 接口：一个代码示例
DART 7 的 Python 绑定采用新 API，与 DART 6 不同。README 给出了一个最小示例：创建世界，设置时间步长，添加一个 1 千克的刚体，然后进入模拟模式并步进。代码中出现了 dart.World、dart.RigidBodyOptions、world.enter_simulation_mode() 这些新接口。注意，这个 API 目前只在源码构建中可用。如果你通过 pip 安装 dartpy，可能得到的是 DART 6 的旧接口，比如没有 World 类。文档建议先运行 smoke check 来确认环境版本。这个示例展示了 DART 7 的设计方向：更简洁的 Python 优先 API，但牺牲了与旧代码的兼容性。
安装路径：源码构建是当前唯一可靠的 DART 7 方式
安装 DART 7 的 Python 绑定，目前只能通过源码构建。README 给出的命令是 pixi run build，之后设置 PYTHONPATH 指向 build/default/cpp/Release/python，再运行 python 脚本。pixi 是推荐的包管理工具，用于复现构建环境。对于 DART 6 稳定版，可以通过 conda-forge 安装 dartpy，或者使用 pixi add dartpy。C++ 方面，DART 7 的公共头文件尚未定稿，所以 C++ 用户只能参考 docs/design/simulation_cpp_api.md 中的设计草案。DART 6 的 C++ 包可以通过 apt、brew、vcpkg 等系统包管理器安装。这个分裂状态意味着，如果你需要稳定的 API，必须明确选择 DART 6，而不是默认的 main 分支。
模型加载与扩展性：统一 API 的承诺与现实
README 声称 DART 提供统一的模型加载 API，支持 URDF、SDF 和 MJCF 格式。这对机器人研究者很有吸引力，因为不同仿真器常用不同格式。但文档没有给出具体示例，也没有说明 DART 7 中这个 API 是否已经实现。从仓库结构看，DART 7 仍在重构，模型加载功能可能尚未迁移到新接口。如果你依赖特定格式的模型，比如 MuJoCo 的 MJCF，需要确认 DART 7 的加载器是否可用。DART 6 支持这些格式，但 API 不同。这个不确定性是采用 DART 7 的一个实际风险。
性能路线图与当前限制
DART 7 的路线图提到跨平台 CPU 支持，未来计划加入多核、SIMD 和加速器后端。但当前版本没有这些优化，性能可能不如商业引擎或专门为 GPU 设计的引擎。对于大规模场景或实时应用，这可能是一个瓶颈。另外，README 提到“best-effort support for production use”，说明生产支持是尽力而为，不是承诺。这意味着如果你需要稳定的性能保证，应该考虑其他选项。DART 6 LTS 虽然成熟，但同样没有多核支持。性能优化是 DART 7 的明确短板，研究用户需要自行评估是否可接受。
替代方案：与 MuJoCo 和 Bullet 的差异
如果 DART 7 的不稳定性让你犹豫，常见的替代是 MuJoCo 和 Bullet。MuJoCo 也使用广义坐标和软体接触模型，但它是闭源商业引擎（部分开源），API 稳定，有成熟的 Python 绑定。DART 的优势在于完全开源、BSD-2-Clause 许可，且动力学量透明，适合算法研究。Bullet 则更偏向游戏和实时物理，使用笛卡尔坐标加约束求解，性能优化成熟，但动力学精度不如 DART。关键差异是：DART 让你直接访问动力学量，而 MuJoCo 和 Bullet 更偏向黑箱。如果你需要修改底层算法，DART 是唯一选择；如果你只需要快速仿真，MuJoCo 或 Bullet 可能更省事。
维护成本与许可：BSD-2-Clause 的宽松与风险
DART 采用 BSD-2-Clause 许可，这意味着你可以自由使用、修改和分发，甚至用于商业项目，只要保留版权声明。这是非常宽松的许可证，对研究机构友好。但维护成本方面，DART 7 处于重构期，API 变动频繁，你需要跟踪 main 分支的提交。README 提到文档和示例可能过时，C++ API 尚未定稿。如果你基于 DART 7 开发，未来迁移到正式版可能需要大量代码调整。DART 6 LTS 提供长期维护，但新功能不会加入。发布记录显示 v6.19.4 在 2026 年 7 月发布，说明维护活跃，但 DART 7 的发布周期不确定。
编辑结论
DART 7 适合需要直接访问动力学量、愿意跟踪源码构建的研究者，尤其是用 Python 快速原型且不依赖稳定 API 的团队。生产环境或依赖 URDF/SDF/MJCF 加载的现有项目，应继续使用 DART 6 LTS 或 release-6.20 分支，直到 DART 7 发布正式 wheel 与非 yanked 包。在采用前，先验证你的模型加载路径是否兼容新版 API，并检查 dartpy 在 PyPI 上的版本状态，因为当前 PyPI 最新包仍是 DART 6 系列。DART 7 的 C++ 公共头文件尚未定稿，C++ 用户应等待文档中的 simulation_cpp_api.md 更新后再迁移。最终判断：DART 7 是研究前沿的预览，不是生产替代品。
社区笔记