确定性机器人引擎：Copper-rs
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。
这是一个专为机器人领域打造的一体化软件引擎解决方案，采用 Rust 原生语言编写。系统框架基于 Rust，模拟层则结合了 Bevy（Rust 游戏引擎）和 Avian3d（Rust 物理引擎）。
项目仓库：https://github.com/copper-project/copper-rs
它包含一套完整的教程（copper-drone），共九个章节，从零开始指导如何在灵巧的 3.5 英寸自由式无人机上构建简单的机器人堆栈，涵盖硬件集成、计算机视觉、控制、通信和部署。目标不仅是构建参考项目，还要在此过程中开发可重用的 Copper 组件（例如 GStreamer、AprilTags）。
教程地址：https://github.com/copper-project/copper-drone
值得一提的是，Copper 维护者之一 Yang Zhou 是纽约大学博士，他在 ICRA25（IEEE 国际机器人与自动化顶会）组织了第一届 Rust for Robotics 研讨会，并在 RustConf 2025 发布演讲，提炼了关键见解，概述了 Rust 如何解决机器人开发中的痛点。
Neuroxide：用 Rust 重写 PyTorch 框架
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。
核心特性
- 类 PyTorch API：让熟悉 PyTorch 的开发者能够无缝切换到 Rust，支持张量操作、自动求导以及常见的神经网络模块。
- 极致速度：自称为'超快'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。
社区反馈与挑战
在 Reddit 社区的讨论中，开发者普遍关注它与 Rust 生态中已有的 Burn 或 dfdx 有何不同。Neuroxide 团队回应称，其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。
不过，社区成员也指出，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）。
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。
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。
项目仓库： 讨论链接：
