< 返回版块

苦瓜小仔 发表于 2026-01-13 14:06

Tags:日报

Copper-rs:Rust 机器人框架,确定性地构建、运行和重现你的整个机器人

Copper 之于机器人,就像游戏引擎之于游戏——确定性地构建、运行和重现你的整个机器人。

提供专为机器人领域打造的、从模拟到生产的一体化、基于 Rust 原生语言的软件引擎解决方案。系统/框架是用 Rust 写的,模拟是用 Bevy (Rust 游戏引擎)和 Avian3d (Rust 物理引擎)做的。

仓库:https://github.com/copper-project/copper-rs

它有一个完整的教程 copper-drone(九个章节):

  • 从零到飞行,本系列节目将逐步介绍如何在一款灵巧的 3.5 英寸自由式无人机上构建一个简单的机器人堆栈——包括硬件集成、计算机视觉、控制、通信和部署。
  • 目标有两个:一是使用 Copper 构建一个完整的参考项目,二是在此过程中开发可重用的 Copper 组件(例如 GStreamer、AprilTags)。

教程:https://github.com/copper-project/copper-drone

附注:Copper 其中一个维护者 Yang Zhou,纽约大学 PhD

Neuroxide:用 Rust 重写 PyTorch 框架,针对实时机器人

该项目旨在用 Rust 重写 PyTorch 框架(保持 API 调用一致),以期打造一个速度更快、类型更强的 AI 框架。

Neuroxide 核心特性:

  • 类 PyTorch API:其设计目标是让熟悉 PyTorch 的开发者能够无缝切换到 Rust。它支持张量(Tensor)操作、自动求导(Autograd)以及常见的神经网络模块。
  • 极致速度:自称为“超快”(Ultra-fast)框架。针对机器人和实时系统进行了优化,专注于降低推理延迟和提高吞吐量。
  • 多后端支持:原生支持 CUDA(NVIDIA GPU)、Metal(Apple Silicon)以及 CPU
  • 专注于机器人领域:由机器人公司开发,特别考虑了在嵌入式设备和需要高实时性场景下的内存管理与计算效率。
  • 现代 Rust 设计:利用 Rust 的所有权模型和类型系统,确保线程安全且无内存泄漏。

Reddit 社区讨论:

  • 与 Burn 等现有框架的对比
    • 用户普遍好奇它与 Rust 生态中已有的 Burndfdx 有何不同。
    • 开发者回应称,Neuroxide 的侧重点在于实时机器人应用,在某些特定算子和内存调度上做了更激进的优化,以满足微秒级的响应需求。
  • 生态系统成熟度
    • 社区成员指出,虽然 API 像 PyTorch,但 Rust AI 生态目前面临的最大挑战是 预训练模型的生态 (如 HuggingFace 支持)和 算子覆盖率
    • Neuroxide 正在努力支持更多的标准层和常见的模型架构(如 Transformer)。
  • 高性能的来源
    • 讨论涉及了其底层的内核实现。Neuroxide 避免了过度抽象,更倾向于直接调用高度优化的计算库,并减少了中间层的数据拷贝。
  • 开发者动机
    • Dragonfly Robotics 表示,他们之所以自研而非直接使用 PyTorch 或现有 Rust 库,是因为在复杂的机器人控制循环中,需要对计算图的执行拥有更细粒度的控制权。

综合评价:Neuroxide 代表了 Rust 在 AI 领域向“生产力”与“高性能”结合迈出的又一步。

  • 优点:上手快(对 Python 开发者友好)、针对底层硬件优化深、非常适合机器人和嵌入式场景。
  • 挑战:作为新项目,其社区插件和预训练模型支持尚不及 Burn,更无法与 PyTorch 的庞大生态相比。

总结 :如果你正在寻找一个能够用于 高性能机器人开发 、且希望拥有 类 PyTorch 开发体验 的 Rust 深度学习框架,Neuroxide 是一个非常值得关注的潜在选择。

仓库:https://github.com/DragonflyRobotics/Neuroxide

讨论:https://www.reddit.com/r/rust/comments/1qah0qk/neuroxide_ultrafast_pytorchlike_ai_framework/

--

From 日报小组 苦瓜小仔

社区学习交流平台订阅:

评论区

写评论

还没有评论

1 共 0 条评论, 1 页