Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-17 15:23 UTC

bulletphysics / bullet3

Bullet Physics SDK: real-time collision detection and multi-physics simulation for VR, games, visual effects, robotics, machine learning etc.

C++ · CEigene Lizenz★ 14.727 Sterne⑂ 3.093 Forksseit Apr. 2011Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#simulation#robotics#kinematics#virtual-reality#reinforcement-learning#computer-animation#game-development#simulator#pybullet

bulletphysics/bullet3 erreicht einen Gesundheitsindex von 43 von 100 und liegt damit im Bereich Schwach. Am stärksten schneidet es bei Community & Adoption (79/100) ab, am schwächsten bei Vitality (22/100). Zuletzt vor 330 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

43
gesamt / 100
Schwach

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

43
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 51 wird auf der veröffentlichten Indexskala auf 51 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Bullet Physics SDKOrganisation
357 Follower2 öffentliche Reposseit März 2014

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIpybullet3.2.7468.936218vor 595 Tagengame-developmentvirtual-realityphysics-simulationroboticscollision-detectionopengl

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

22Gefährdet · 21 % des Gesamtindex

Entwicklungsaktivität

7Kritisch
Wie die Bewertung erfolgt
3.6/36Push-Aktualität — letzter Push vor 330 Tagen
0.7/36Commit-Rhythmus — 1/52 Wochen mit Commits
2.7/18Commit-Volumen — 1 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
Verwendete Eingangsdaten
commits_last_year1
human_commit_share1
days_since_last_push330
active_weeks_last_year1

Release-Disziplin

44Schwach
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 11 Releases veröffentlicht
0/36Release-Aktualität — letztes Release vor 1.606 Tagen
12.6/27Release-Rhythmus — ein Release etwa alle 224,1 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count11
latest_release_tag3.25
releases_from_tagsnein
days_since_latest_release1.606
mean_days_between_releases224,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

79Gut · 17 % des Gesamtindex

Popularität & Verbreitung

100Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 14.727 Stars
25/25Forks — 3.093 Forks
14.5/15Watcher — 405 Watcher
Verwendete Eingangsdaten
forks3.093
stars14.727
watchers405
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

44Schwach
Wie die Bewertung erfolgt
22.5/22.5README
16.9/22.5Lizenz — Lizenzdatei vorhanden, keine anerkannte Lizenz
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges2
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesci.appveyor.com, travis-ci.org
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

94Außergewöhnlich
Wie die Bewertung erfolgt
75.6/80Downloads pro Monat — 468.936 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespybullet
dependents—
ecosystemspypi
total_downloads—
monthly_downloads468.936
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

61Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

39Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
6.8/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 70 % der Commits
13.5/13.5Breite der Beitragenden — 100 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 33 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled100
top_contributor_share0,699

Reaktionsfähigkeit bei Issues & PRs

70Gut
Wie die Bewertung erfolgt
36.5/42Issue-Lösungsquote — 87 % der Issues geschlossen
25.5/30PR-Annahme — 1.526/1.794 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/1 PRs von Erstbeitragenden in 30 Tagen gemergt
7.5/15OpenSSF Scorecard: Code-Review — Found 9/17 approved changesets -- score normalized to 5
Verwendete Eingangsdaten
merged_prs1.526
open_issues268
closed_issues1.795
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d1
issue_closed_ratio0,87
closed_unmerged_prs268
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d1

Eigentümerschaft & Trägerschaft

64Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
18.4/25Reichweite des Inhabers — 357 Follower von bulletphysics
15.5/25Kontohistorie — 2 öffentliche Repos, Kontoalter ca. 12 Jahre
Verwendete Eingangsdaten
followers357
owner_typeOrganization
is_verifiednein
owner_loginbulletphysics
public_repos2
account_age_days4.569

Paketpflege

79Gut
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
14/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 595 Tagen
20/20Versionshistorie — 218 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespybullet
ecosystemspypi
any_deprecatednein
min_days_since_publish595

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

65Gut · 19 % des Gesamtindex

Engineering-Praktiken

48Schwach
Wie die Bewertung erfolgt
24/24CI-Workflows — 1 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 10 merged PRs checked by a CI test -- score normalized to 0
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — http://bulletphysics.org
10/10Repository-Beschreibung
10/10Topics — 9 Topics
0/10Wiki
Verwendete Eingangsdaten
topicssimulation, robotics, kinematics, virtual-reality, reinforcement-learning, computer-animation, game-development, simulator, pybullet
has_wikinein
homepagehttp://bulletphysics.org
docs_sitehttp://bulletphysics.org
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

31Gefährdet · 16 % des Gesamtindex

Sicherheitslage

31Gefährdet
Wie die Bewertung erfolgt
0/7.5Binary-Artifacts — binaries present in source code
0/7.5Branch-Protection — keine Daten
0/2.5CI-Tests — 0 out of 10 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 9/17 approved changesets -- score normalized to 5
2.5/2.5Contributors — project has 33 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Lizenz — license file detected
0/7.5Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate3,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

51Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

28Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
27.7/40Lesbare Commit-Historie — 52 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,52
agent_instruction_files—
agent_instruction_max_bytes—

AI-Verify-Loop (Build / Test / Typprüfung)

33Gefährdet
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — C++ (statisch typisiert)
0/10Reproduzierbare Umgebung
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languageja
bootstrap_files—
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

98Außergewöhnlich
Wie die Bewertung erfolgt
45/45Typprüfbarer Code — C++ (statisch typisiert)
52.8/55Handhabbare Dateigrößen — 115/2.884 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languageC++
largest_source_bytes2.247.807
source_files_sampled2.884
oversized_source_files115

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
40/40API-Schema (OpenAPI/GraphQL/proto) — examples/SharedMemory/grpc/proto/pybullet.proto, examples/pybullet/gym/pybullet_envs/minitaur/actuatornet/data/minitaur_log_latency_0.003.proto, examples/pybullet/gym/pybullet_envs/minitaur/actuatornet/data/minitaur_log_latency_0.006.proto, examples/pybullet/gym/pybullet_envs/minitaur/actuatornet/data/minitaur_log_latency_0.01.proto, examples/pybullet/gym/pybullet_envs/minitaur/actuatornet/data/minitaur_log_no_latency.proto, examples/pybullet/gym/pybullet_envs/minitaur/envs/minitaur_logging.proto, examples/pybullet/gym/pybullet_envs/minitaur/envs/timestamp.proto, examples/pybullet/gym/pybullet_envs/minitaur/envs/vector.proto, examples/pybullet/gym/pybullet_envs/minitaur/envs_v2/scenes/world_asset.proto, examples/pybullet/gym/pybullet_envs/minitaur/robots/laikago_interface.proto, examples/pybullet/gym/pybullet_envs/minitaur/robots/timestamp.proto, examples/pybullet/gym/pybullet_envs/minitaur/robots/vector.proto, examples/pybullet/gym/pybullet_envs/minitaur/vision/imagery.proto, examples/pybullet/gym/pybullet_envs/minitaur/vision/sim_camera.proto
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples, notebooks, samples
Verwendete Eingangsdaten
example_dirsexamples, notebooks, samples
has_mcp_signalnein
api_schema_filesexamples/SharedMemory/grpc/proto/pybullet.proto, examples/pybullet/gym/pybullet_envs/minitaur/actuatornet/data/minitaur_log_latency_0.003.proto, examples/pybullet/gym/pybullet_envs/minitaur/actuatornet/data/minitaur_log_latency_0.006.proto, examples/pybullet/gym/pybullet_envs/minitaur/actuatornet/data/minitaur_log_latency_0.01.proto, examples/pybullet/gym/pybullet_envs/minitaur/actuatornet/data/minitaur_log_no_latency.proto, examples/pybullet/gym/pybullet_envs/minitaur/envs/minitaur_logging.proto, examples/pybullet/gym/pybullet_envs/minitaur/envs/timestamp.proto, examples/pybullet/gym/pybullet_envs/minitaur/envs/vector.proto, examples/pybullet/gym/pybullet_envs/minitaur/envs_v2/scenes/world_asset.proto, examples/pybullet/gym/pybullet_envs/minitaur/robots/laikago_interface.proto, examples/pybullet/gym/pybullet_envs/minitaur/robots/timestamp.proto, examples/pybullet/gym/pybullet_envs/minitaur/robots/vector.proto, examples/pybullet/gym/pybullet_envs/minitaur/vision/imagery.proto, examples/pybullet/gym/pybullet_envs/minitaur/vision/sim_camera.proto
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

14.727GitHub-Sterne
100Mitwirkende
1Commits, letzte 12 Monate
330Tage seit letztem Push
11Releases
1Bus-Faktor
268offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • No resolved dependencies carried a version and a supported ecosystem

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 3.093 ⇿
0Sterne
3.093Forks
3Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

Es wird nur die jüngste Historie angezeigt — dieses Repository überschreitet das Erfassungsfenster, sodass die früheste Historie nicht erfasst wird.

2.0002.2002.4002.6002.8003.0003.2003.093102021-102024-042026-09
Major 0Minor 0Patch 0

Jeder Punkt umfasst 5 Tage.

OpenSSF Scorecard 3.1 / 10
3.1Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-09-17 15:22 UTC

0Binary-Artifactsbinaries present in source code
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
0CI-Tests0 out of 10 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 9/17 approved changesets -- score normalized to 5
10Contributorsproject has 33 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
0Maintained0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Alle Abhängigkeiten 6

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 6 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIgym—indirekt
PyPImatplotlib—indirekt
PyPInumpy—indirekt
PyPIpandas—indirekt
PyPIpybullet—indirekt
PyPItensorflow—indirekt
Abhängigkeits-Advisories nicht bewertet

Der Advisory-Abgleich konnte für diesen Bericht nicht ausgeführt werden: No resolved dependencies carried a version and a supported ecosystem

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit bulletphysics/bullet3 teilen. Nebeneinander lesen →

93dartsim/dartResearch-focused C++23 physics engine for robotics, animation, and machine learning, with Python bindingsAußergewöhnlich94mujocolab/mjlabIsaac Lab API, powered by MuJoCo-Warp, for RL and robotics researchAußergewöhnlich831e0ng/openbricksPybricks-style MicroPython robot firmware for commodity ESP32 hardware — serial-bus motors, 1 kHz gyro DriveBase, BLE CLI, and a MuJoCo simulator with WRO matsExzellent84jrouwe/JoltPhysicsA multi core friendly rigid body physics and collision detection library. Written in C++. Suitable for games and VR applications. Used by Horizon Forbidden West and Death Stranding 2.Exzellent84davidhozic/mujoco-rsMuJoCo bindings and high-level wrappers for the Rust programming language. Includes the viewer.Exzellent83dimforge/rapier2D and 3D physics engines focused on performance.Exzellent

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.