[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-NVIDIAGameWorks--PhysX":3,"tool-NVIDIAGameWorks--PhysX":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85092,2,"2026-04-10T11:13:16",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[19,14,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},5773,"cs-video-courses","Developer-Y\u002Fcs-video-courses","cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。\n\n面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。\n\n这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。",79792,"2026-04-08T22:03:59",[18,13,14,20],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",75334,"2026-04-10T23:08:27",[19,13,20,18],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":29,"last_commit_at":63,"category_tags":64,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,"2026-04-03T21:50:24",[20,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":80,"owner_email":81,"owner_twitter":80,"owner_website":82,"owner_url":83,"languages":84,"stars":116,"forks":117,"last_commit_at":118,"license":119,"difficulty_score":120,"env_os":121,"env_gpu":122,"env_ram":123,"env_deps":124,"category_tags":129,"github_topics":80,"view_count":10,"oss_zip_url":80,"oss_zip_packed_at":80,"status":22,"created_at":130,"updated_at":131,"faqs":132,"releases":161},5825,"NVIDIAGameWorks\u002FPhysX","PhysX","NVIDIA PhysX SDK","PhysX 是 NVIDIA 推出的一款高性能物理引擎软件开发包（SDK），专为在数字世界中模拟真实的物理现象而设计。它能够高效计算刚体动力学、碰撞检测、流体模拟及布料效果，让虚拟物体拥有符合现实规律的运动轨迹和交互反馈。\n\n在游戏开发、虚拟现实（VR）及影视特效制作中，手动编写复杂的物理逻辑既耗时又难以保证真实感。PhysX 通过提供成熟、稳定的底层算法库，解决了这一痛点，帮助创作者轻松实现逼真的破坏效果、角色互动和环境模拟，大幅降低开发门槛并提升运行效率。\n\n这款工具主要面向游戏开发者、图形程序员、科研人员以及数字内容设计师。其独特的技术亮点在于卓越的可扩展性与跨平台能力：无论是智能手机、家用主机，还是配备多核 CPU 和高性能 GPU 的工作站，PhysX 都能自动适配硬件资源，确保物理模拟在不同设备上均能流畅运行。目前，它已深度集成于 Unreal Engine 和 Unity3D 等主流游戏引擎中。需要注意的是，虽然本仓库维护的是经典的 4.1 版本以支持旧项目，但 NVIDIA 已发布功能更强大的 PhysX 5，建议新启动的项目直接采用最新版本以获得更佳体验。","# NVIDIA PhysX SDK 4.1\n\nCopyright (c) 2021 NVIDIA Corporation. All rights reserved.\n\nRedistribution and use in source and binary forms, with or without\nmodification, are permitted provided that the following conditions\nare met:\n * Redistributions of source code must retain the above copyright\n   notice, this list of conditions and the following disclaimer.\n * Redistributions in binary form must reproduce the above copyright\n   notice, this list of conditions and the following disclaimer in the\n   documentation and\u002For other materials provided with the distribution.\n * Neither the name of NVIDIA CORPORATION nor the names of its\n   contributors may be used to endorse or promote products derived\n   from this software without specific prior written permission.\n\nTHIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS ``AS IS'' AND ANY\nEXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE\nIMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR\nPURPOSE ARE DISCLAIMED.  IN NO EVENT SHALL THE COPYRIGHT OWNER OR\nCONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,\nEXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,\nPROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR\nPROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY\nOF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT\n(INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE\nOF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.\n\n## PhysX 5 Now Available\n\nThe NVIDIA PhysX SDK version 5 is now available [here](https:\u002F\u002Fgithub.com\u002FNVIDIA-Omniverse\u002FPhysX).\nThis repository will continue to be available to support legacy users.  We encourage all new projects to start on the new release.\n\n## Introduction\n\nWelcome to the NVIDIA PhysX SDK source code repository. This depot includes the PhysX SDK and the Kapla Demo application.\n\nThe NVIDIA PhysX SDK is a scalable multi-platform physics solution supporting a wide range of devices, from smartphones to high-end multicore CPUs and GPUs. PhysX is already integrated into some of the most popular game engines, including Unreal Engine, and Unity3D. [PhysX SDK on developer.nvidia.com](https:\u002F\u002Fdeveloper.nvidia.com\u002Fphysx-sdk).\n\n## Documentation\n\nPlease see [Release Notes](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Frelease_notes.html) for updates pertaining to the latest version.\n\nThe full set of documentation can also be found in the repository under physx\u002Fdocumentation or online at http:\u002F\u002Fgameworksdocs.nvidia.com\u002Fsimulation.html \n\nPlatform specific information can be found here:\n* [Microsoft Windows](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Fwindows\u002Freadme_windows.html)\n* [Linux](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Flinux\u002Freadme_linux.html)\n* [Google Android ARM](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Fandroid\u002Freadme_android.html)\n* [Apple macOS](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Fmac\u002Freadme_mac.html)\n* [Apple iOS](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Fios\u002Freadme_ios.html)\n \n\n## Quick Start Instructions\n\nRequirements:\n* Python 2.7.6 or later\n* CMake 3.12 or later\n\nTo begin, clone this repository onto your local drive.  Then change directory to physx\u002F, run .\u002Fgenerate_projects.[bat|sh] and follow on-screen prompts.  This will let you select a platform specific solution to build.  You can then open the generated solution file with your IDE and kick off one or more configuration builds.\n\nTo build and run the Kapla Demo see [kaplademo\u002FREADME.md](kaplademo\u002FREADME.md).\n\n## Acknowledgements\n\nThis depot contains external third party open source software copyright their respective owners.  See [kaplademo\u002FREADME.md](kaplademo\u002FREADME.md) and [externals\u002FREADME.md](externals\u002FREADME.md) for details.\n","# NVIDIA PhysX SDK 4.1\n\n版权所有 © 2021 NVIDIA Corporation。保留所有权利。\n\n以源代码和二进制形式重新分发和使用，无论是否进行修改，只要满足以下条件即可：\n * 源代码的再分发必须保留上述版权声明、本条件列表以及以下免责声明。\n * 二进制形式的再分发必须在随分发提供的文档和\u002F或其他材料中复制上述版权声明、本条件列表以及以下免责声明。\n * 未经 NVIDIA CORPORATION 及其贡献者的明确事先书面许可，不得使用 NVIDIA CORPORATION 或其贡献者的名称来背书或推广由此软件派生的产品。\n\n本软件由版权所有者“按原样”提供，不提供任何明示或暗示的担保，包括但不限于对适销性和特定用途适用性的暗示担保。在任何情况下，版权所有者或贡献者均不对任何直接、间接、偶然、特殊、惩戒性或后果性损害（包括但不限于替代商品或服务的采购、使用损失、数据丢失、利润损失或业务中断）承担责任，无论该等损害是由合同、严格责任还是侵权（包括过失或其他原因）引起的，也不论是否已被告知发生此类损害的可能性。\n\n## PhysX 5 现已发布\n\nNVIDIA PhysX SDK 5 版本现已发布，可在此处获取：[https:\u002F\u002Fgithub.com\u002FNVIDIA-Omniverse\u002FPhysX](https:\u002F\u002Fgithub.com\u002FNVIDIA-Omniverse\u002FPhysX)。此代码库将继续维护，以支持旧版用户。我们鼓励所有新项目从新版本开始。\n\n## 简介\n\n欢迎来到 NVIDIA PhysX SDK 源代码仓库。该仓库包含 PhysX SDK 和 Kapla 示例应用程序。\n\nNVIDIA PhysX SDK 是一种可扩展的跨平台物理模拟解决方案，支持从智能手机到高端多核 CPU 和 GPU 的各种设备。PhysX 已集成到一些最受欢迎的游戏引擎中，包括 Unreal Engine 和 Unity3D。更多信息请访问 [PhysX SDK 官网](https:\u002F\u002Fdeveloper.nvidia.com\u002Fphysx-sdk)。\n\n## 文档\n\n有关最新版本的更新信息，请参阅 [发行说明](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Frelease_notes.html)。\n\n完整的文档集也可在仓库的 physx\u002Fdocumentation 目录下找到，或在线访问 http:\u002F\u002Fgameworksdocs.nvidia.com\u002Fsimulation.html。\n\n各平台的特定信息如下：\n* [Microsoft Windows](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Fwindows\u002Freadme_windows.html)\n* [Linux](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Flinux\u002Freadme_linux.html)\n* [Google Android ARM](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Fandroid\u002Freadme_android.html)\n* [Apple macOS](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Fmac\u002Freadme_mac.html)\n* [Apple iOS](http:\u002F\u002Fgameworksdocs.nvidia.com\u002FPhysX\u002F4.1\u002Fdocumentation\u002Fplatformreadme\u002Fios\u002Freadme_ios.html)\n\n## 快速入门指南\n\n要求：\n* Python 2.7.6 或更高版本\n* CMake 3.12 或更高版本\n\n首先，将此仓库克隆到本地磁盘。然后切换到 physx\u002F 目录，运行 .\u002Fgenerate_projects.[bat|sh] 并按照屏幕提示操作。这将允许您选择特定平台的构建方案。随后，您可以使用您的集成开发环境打开生成的解决方案文件，并启动一个或多个配置构建。\n\n要构建并运行 Kapla 示例，请参阅 [kaplademo\u002FREADME.md](kaplademo\u002FREADME.md)。\n\n## 致谢\n\n本仓库包含由各自所有者拥有版权的第三方开源软件。详细信息请参阅 [kaplademo\u002FREADME.md](kaplademo\u002FREADME.md) 和 [externals\u002FREADME.md](externals\u002FREADME.md)。","# NVIDIA PhysX SDK 4.1 快速上手指南\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：支持 Windows、Linux、macOS、Android (ARM) 或 iOS。\n*   **前置依赖**：\n    *   **Python**：版本 2.7.6 或更高。\n    *   **CMake**：版本 3.12 或更高。\n*   **开发工具**：根据您的目标平台安装对应的 IDE（如 Visual Studio, Xcode, GCC\u002FMake 等）。\n\n> **注意**：NVIDIA 已发布 PhysX 5 版本（托管于 NVIDIA-Omniverse 仓库），新项目建议优先考虑新版。本指南针对当前仓库的 PhysX 4.1 版本，适用于维护旧项目或特定需求场景。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    将源代码克隆到本地目录：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FPhysX.git\n    ```\n\n2.  **生成构建项目**\n    进入 `physx` 目录并运行项目生成脚本。脚本会根据您的操作系统自动选择 `.bat` (Windows) 或 `.sh` (Linux\u002FmacOS) 文件：\n\n    *   **Windows**:\n        ```cmd\n        cd physx\n        generate_projects.bat\n        ```\n    *   **Linux \u002F macOS**:\n        ```bash\n        cd physx\n        .\u002Fgenerate_projects.sh\n        ```\n\n3.  **编译工程**\n    运行上述脚本后，跟随屏幕提示选择目标平台和构建配置。脚本将在输出目录生成对应的解决方案文件（如 `.sln` 或 `.xcodeproj`）。\n    *   使用您的 IDE 打开生成的解决方案文件。\n    *   选择所需的构建配置（Debug\u002FRelease）并开始编译。\n\n## 基本使用\n\n编译成功后，您可以参考官方提供的 **Kapla Demo** 来验证安装并了解基础用法。\n\n1.  **运行示例程序**\n    编译完成后，在构建输出目录中找到可执行文件并运行 Kapla Demo。该演示展示了刚体动力学、碰撞检测等核心功能。\n    *   详细构建与运行说明请参阅：`kaplademo\u002FREADME.md`\n\n2.  **代码集成示例**\n    要在自己的项目中初始化 PhysX 引擎，通常遵循以下逻辑流程（伪代码）：\n\n    ```cpp\n    #include \"PxPhysicsAPI.h\"\n\n    using namespace physx;\n\n    \u002F\u002F 1. 创建 Foundation 对象\n    PxFoundation* foundation = PxCreateFoundation(PX_PHYSICS_VERSION, allocator, errorCallback);\n\n    \u002F\u002F 2. 创建 Physics 对象\n    PxPhysics* physics = PxCreatePhysics(PX_PHYSICS_VERSION, *foundation, desc);\n\n    \u002F\u002F 3. 创建场景 (Scene)\n    PxSceneDesc sceneDesc(physics->getTolerancesScale());\n    sceneDesc.gravity = PxVec3(0.0f, -9.81f, 0.0f);\n    PxScene* scene = physics->createScene(sceneDesc);\n\n    \u002F\u002F 4. 创建刚体并添加到场景\n    \u002F\u002F ... (具体几何体与刚体创建代码)\n\n    \u002F\u002F 5. 在主循环中模拟步进\n    scene->simulate(dt);\n    scene->fetchResults(true);\n    ```\n\n更多详细的 API 文档和平台特定说明，请访问 [NVIDIA GameWorks 文档中心](http:\u002F\u002Fgameworksdocs.nvidia.com\u002Fsimulation.html) 或查看仓库内的 `physx\u002Fdocumentation` 目录。","某独立游戏团队正在开发一款强调真实破坏效果的末日生存游戏，需要处理大量建筑坍塌和碎片飞溅的物理交互。\n\n### 没有 PhysX 时\n- 开发者需从零手写刚体碰撞检测算法，代码量巨大且极易出现物体穿透或卡死的恶性 Bug。\n- 面对成百上千个破碎砖块的并发计算，CPU 单线程负载瞬间爆满，导致游戏帧率从 60 帧骤降至 15 帧。\n- 不同硬件平台（如 PC 与主机）上的物理表现不一致，调试跨平台兼容性耗费了团队数周时间。\n- 缺乏现成的车辆悬挂和布料模拟方案，角色衣物和载具行驶效果显得僵硬虚假，严重破坏沉浸感。\n\n### 使用 PhysX 后\n- 直接调用成熟的碰撞检测与解析模块，物体堆叠稳定自然，彻底消除了穿模和异常弹飞现象。\n- 利用多核 CPU 并行计算及 GPU 加速特性，即使同屏渲染数千个动态碎片，帧率依然稳定在 50 帧以上。\n- 依托其跨平台架构，一套物理逻辑即可完美运行于 Windows、Linux 及主机端，大幅缩短测试周期。\n- 内置的车辆动力学和柔性体系统让载具操控手感扎实、衣物飘动逼真，显著提升了游戏质感。\n\nPhysX 通过提供高性能、跨平台的工业级物理引擎，让开发者从繁琐的底层数学推导中解放，专注于创造极致的互动体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FNVIDIAGameWorks_PhysX_79e7176e.png","NVIDIAGameWorks","NVIDIA GameWorks","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FNVIDIAGameWorks_ef1b3b72.png","NVIDIA Technologies for game and application developers",null,"gameworks@nvidia.com","https:\u002F\u002Fdeveloper.nvidia.com\u002Fgameworks-source-github","https:\u002F\u002Fgithub.com\u002FNVIDIAGameWorks",[85,89,93,97,101,105,109,113],{"name":86,"color":87,"percentage":88},"C++","#f34b7d",93.2,{"name":90,"color":91,"percentage":92},"CMake","#DA3434",3.2,{"name":94,"color":95,"percentage":96},"C","#555555",1.9,{"name":98,"color":99,"percentage":100},"HTML","#e34c26",1.4,{"name":102,"color":103,"percentage":104},"Python","#3572A5",0.2,{"name":106,"color":107,"percentage":108},"Batchfile","#C1F12E",0.1,{"name":110,"color":111,"percentage":112},"GLSL","#5686a5",0,{"name":114,"color":115,"percentage":112},"Shell","#89e051",3536,846,"2026-04-08T16:44:29","NOASSERTION",4,"Windows, Linux, macOS, Android, iOS","未说明（支持从智能手机到高端多核 CPU 和 GPU 的广泛设备，未强制要求特定 NVIDIA GPU 或 CUDA 版本）","未说明",{"notes":125,"python":126,"dependencies":127},"该工具为物理引擎 SDK，支持跨平台编译。构建前需运行 generate_projects 脚本生成特定平台的解决方案文件，随后使用 IDE 进行编译。PhysX 5 已发布，新项目建议使用新版，本仓库主要用于支持旧版用户。","2.7.6 或更高版本",[128],"CMake 3.12 或更高版本",[18],"2026-03-27T02:49:30.150509","2026-04-11T18:31:18.792603",[133,138,143,148,152,157],{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},26397,"为什么使用 Articulations（关节体）一段时间后射线检测（Raycasts）会失效？","这个问题通常与四元数的单位检查容差（epsilon）过严有关。当浮点误差累积导致四元数模长略微超出默认容差（1e-4）时，isUnit() 检查失败可能导致碰撞过滤异常。\n解决方案：\n1. 尝试将 isUnit() 函数中的容差值从 1e-4f 增加到 1e-3f。\n2. 或者使用容差更宽松的 isSane() 函数（其容差为 1e-2f）进行替代检查。\n代码示例：\nconst float unitTolerance = 1e-3f; \u002F\u002F 原为 1e-4f\nreturn isFinite() && PxAbs(magnitude() - 1) \u003C unitTolerance;","https:\u002F\u002Fgithub.com\u002FNVIDIAGameWorks\u002FPhysX\u002Fissues\u002F523",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},26398,"在模拟重型机械（如轮式装载机）时，为什么线性驱动器（Linear Drive）无法达到最大推力以抬起机器？","这通常是由于使用受限刚体（constrained rigid bodies）配合 PGS 求解器时，系统内的质量比或杠杆效应导致力传递效率低下，驱动器无法输出足够的有效力。\n解决方案：\n1. 强烈建议切换到“简化坐标关节体”（reduced coordinate articulations），这能更准确地处理此类力学结构。\n2. 避免使用退化的约束配置。\n3. 如果必须使用刚体，请检查并优化系统中各部分的质量比（推荐保持 1:10 的比例）和惯性矩。","https:\u002F\u002Fgithub.com\u002FNVIDIAGameWorks\u002FPhysX\u002Fissues\u002F452",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},26399,"在使用 TGS 求解器时，Kinematic（运动学）物体与 Dynamic（动力学）物体之间的 PxD6Joint 限制或驱动器为何行为异常？","这是一个已知的 Bug。在 TGS 求解器下，动态物体会错误地继承过多来自运动学物体的速度，导致线性限制（linear limit）和驱动器（drive）失效，而 PGS 求解器则表现正常。\n解决方案：\n1. 更新到 GitHub 上的最新代码版本，官方已针对此 Kinematic 问题发布了修复补丁。\n2. 如果无法立即更新，临时变通方法是切换回 PGS 求解器。\n注意：早期的手动代码修复建议可能存在符号错误（+= 应为 -=），直接合并最新分支是最稳妥的方法。","https:\u002F\u002Fgithub.com\u002FNVIDIAGameWorks\u002FPhysX\u002Fissues\u002F409",{"id":149,"question_zh":150,"answer_zh":151,"source_url":137},26400,"如何在 Debug 模式下编译 EZ Engine 相关的 PhysX 库以避免构建错误？","如果在 Debug 模式下遇到构建问题，有两种主要方法：\n1. 推荐使用 'Dev' 模式编译 EZ Engine，该模式保留了调试符号但使用的是常规的 checked build，通常能正常工作。\n2. 如果必须使用 Debug build，请参考特定的第三方 PhysX 配置指南（如 ezEngine\u002Fthirdparty-physx#debug）来应用必要的补丁或配置修改。",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},26401,"PhysX 5.0 SDK 是否已经发布？在哪里可以获取？","是的，PhysX 5.0 已经发布。但它不再托管在原来的 NVIDIAGameWorks 仓库中。\n获取方式：\n1. 访问 NVIDIA 官方博客查看发布公告。\n2. 源代码现已托管在新的仓库：https:\u002F\u002Fgithub.com\u002FNVIDIA-Omniverse\u002FPhysX","https:\u002F\u002Fgithub.com\u002FNVIDIAGameWorks\u002FPhysX\u002Fissues\u002F371",{"id":158,"question_zh":159,"answer_zh":160,"source_url":142},26402,"调整驱动器的目标速度（Target Velocity）对输出力有什么影响？","在基于阻尼的驱动器模型中，目标速度直接影响力的生成。如果目标速度设置过低（例如 1m\u002Fs），即使设置了极大的最大力（如 10^10N），驱动器也可能因为计算出的阻尼力不足而无法推动重物。\n解决方案：\n尝试增加目标速度值（例如增加到 2m\u002Fs 或更高）。较高的目标速度允许驱动器计算出更大的瞬时力来克服惯性和阻力，从而成功移动物体。",[162,166],{"id":163,"version":164,"summary_zh":80,"released_at":165},171616,"4.0.0","2018-12-20T16:57:26",{"id":167,"version":168,"summary_zh":80,"released_at":169},171617,"3.4.2-bsd","2018-12-20T14:45:33"]