DART：面向研究的机器人与动画物理引擎

DART 是一个开源的 C++20 物理引擎，专为机器人学、动画和机器学习研究设计。它采用广义坐标和 Featherstone 算法，提供透明的运动学和动力学计算，支持 URDF、SDF、MJCF 等多种模型格式。

• 原作者/维护者：dartsim 组织（主要作者包括 Jeongseok Lee、Michael X. Grey、Sehoon Ha 等）
• 来源平台：GitHub
• 原始标题：DART: Dynamic Animation and Robotics Toolkit
• 原始链接：https://github.com/dartsim/dart
• 发布时间：持续更新，当前活跃分支为 DART 7

DART（Dynamic Animation and Robotics Toolkit）是一个专注于研究的物理引擎，采用 C++20 编写，并提供 Python 绑定。与许多"黑盒"模拟器不同，DART 为研究人员提供了对运动学、动力学、碰撞检测和约束求解的透明访问能力。

该项目的核心设计理念是使用广义坐标（generalized coordinates）来描述关节刚体系统，并采用 Featherstone 的 Articulated Body Algorithm（ABA）来实现精确稳定的运动动力学计算。这种方法在机器人学和计算机动画领域被广泛认为是计算效率和数值稳定性的最佳平衡。

DART 的核心优势在于其研究导向的设计。它不仅仅是一个模拟工具，更是一个动力学计算库：

• Featherstone 算法：采用经典的 articulated body algorithm，确保多体系统动力学计算的高效性和准确性
• 广义坐标系统：使用最小坐标表示，避免冗余计算和约束漂移问题
• 直接访问动力学量：研究人员可以直接获取质量矩阵、科氏力、重力项等中间计算结果

DART 提供统一的模型加载 API，支持多种行业标准格式：

• URDF：ROS 生态中最常用的机器人描述格式
• SDF：Gazebo 模拟器的原生格式
• MJCF：MuJoCo 的 XML 配置格式
• SKEL：DART 自身的骨骼格式

这种多格式支持使得研究人员可以轻松迁移现有项目，无需重新建模。

DART 的设计考虑了未来计算架构的演进：

• 当前：跨平台 CPU 支持，可在 Linux、macOS、Windows 上运行
• 路线图：多核并行、SIMD 指令集优化、加速器后端（GPU/TPU）

DART 被广泛应用于机器人控制算法的研究和验证：

• 运动规划：利用精确的动力学模型进行轨迹优化
• 强化学习：作为物理模拟后端训练机器人策略
• 人机交互：模拟机器人与人类环境的安全交互

在动画领域，DART 提供了物理准确的角色动画生成能力：

• 角色控制器开发：基于物理的动画系统
• 布料和柔性体模拟：扩展刚体系统到柔性结构
• 运动重定向：将捕捉数据适配到不同角色