GPT 5.6 Sol 从头构建了完整的类 MuJoCo 物理引擎：类 Gym API、C++ 实现、原生无头渲染、Web 渲染、Python 原生 DSL 定义环境，无需繁琐的 XML

说实话，我不声称它比 MuJoCo 更好，也不是完全原创，但你现在确实有了一个 真正靠谱的 迷你物理引擎实现，这还挺惊人的，对吧？

因为它基于 WASM，所以跨平台非常容易。

所有代码都用不到 10 个提示语完成

https://cloneofsimo.github.io/lavendersim

Python 优先的机器人仿真 · LavenderSim

来源：https://cloneofsimo.github.io/lavendersim/ 原生物理 · Python 控制 · Web 可视化

机器人世界，用 Python 创作。

用纯 Python 定义物体、关节、传感器、奖励和交互循环。同一个紧凑的 C++ 物理核心可在 macOS、Linux 和 WebAssembly 上运行。

`` $ pip install lavendersim

from lavendersim.env import make

env = make(“RoverWaypoint-v0”, seed=7) obs, info = env.reset(seed=7)

obs, reward, terminated, truncated, info =
env.step(env.action_space.sample())

print(obs.shape, reward)

(28,) 0.294…

``

Lavender 故事书风格的猫咪在读机器人书

第一章: 创建一个小世界，然后教它一些有趣的事。

13 个已注册的强化学习任务

32× 默认 CPU 并行工作进程

3 个原生目标平台：Linux、macOS、WASM

0 个 XML 文件

实际原生相机输出

小场景，真实的控制问题。

这些不是概念图。它们是 LavenderSim 的 C++ 相机传感器从已注册的 Python 环境中渲染出的确定性 RGB 帧。

一个小而实用的技术栈

从场景定义到训练策略。

LavenderSim 让任务逻辑保持可见且可修改，同时将物理计算移至紧凑的原生引擎中。

01 / 创作### Python 优先的场景

通过经过验证的 Python DSL 创建几何体、关节执行器、传感器、执行器、地形和任务逻辑。

02 / 感知### 机器人观测数据

IMU、触觉网格、测距扇区、相机、命名位点、接触力/力矩、噪声、滤波和延迟。

03 / 动作### 实用的驱动方式

位置、速度、力、阻抗、齿轮和力限制、激活动力学以及固定肌腱耦合。

04 / 训练### 内置 CPU PPO

平坦的策略观测、带种子的随机化、进程向量化 rollout、检查点和评估工具。

05 / 分支### 确定性快照

保存仿真、传感器、执行器、时间和 RNG 状态。恢复状态以比较不同的动作序列。

06 / 查看### Python 拥有的 Web UI

将权威的原生姿态流式传输到浏览器，并将运动命令或点击目标发送回 Python。

完整流程

策略训练和可视化共享同一个事实来源。

Python 定义任务的含义。原生引擎推进物理和传感器。浏览器显示权威姿态，而不是运行第二个漂移的仿真。

LavenderSim Python、原生引擎、策略和浏览器架构图 附基准测试

学习平衡、移动、感知和操作。

移动### 四足地形

利用 12 个关节、IMU 和地形探针，跟踪随机的身体相对方向和速度。

操作### 销钉插入

对齐命名坐标系，同时使用滤波后的接触力和力矩控制插入动作。

导航### 漫游车航点

在高度场上驾驶漫游车，使用差动轮和射线扇形激光雷达驶向随机目标点。

实验性且由 AI 生成。 整个项目几乎都是在人类指导下由 GPT-5.6 Sol 生成的。LavenderSim 是 alpha 版研究软件——不是经过验证的 MuJoCo 替代品或安全认证的机器人系统。