Öffentliches Register
Software-GesundheitsberichtSchema 0.26.0 · Metriken 2.10.0 · 2026-07-22 18:15 UTC

mujocolab / mjlab

Isaac Lab API, powered by MuJoCo-Warp, for RL and robotics research

PythonApache-2.0★ 2.709 Sterne⑂ 459 Forksseit Juni 2025Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#isaaclab#mujoco#mujoco-warp#reinforcement-learning#robotics-simulation

mujocolab/mjlab erreicht einen Gesundheitsindex von 93 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei Security (48/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

93
gesamt / 100
Außergewöhnlich

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.

93
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 79 wird auf der veröffentlichten Indexskala auf 93 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

mujocolabOrganisation
227 Follower5 öffentliche Reposseit Aug. 2025

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPImjlab1.5.3-18vor 0 Tagenmujocomujoco-warpsimulationreinforcement-learningrobotics

Metriken nach Kategorie

Vitalität

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

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

93Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
29.1/36Commit-Rhythmus — 42/52 Wochen mit Commits
18/18Commit-Volumen — 1.071 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 16 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year1.071
human_commit_share1
days_since_last_push0
active_weeks_last_year42

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 11 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 19,4 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count11
latest_release_tagv1.5.3
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases19,4
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

86Exzellent
Wie die Bewertung erfolgt
55.7/60Stars — 2.709 Stars
22.2/25Forks — 459 Forks
7.8/15Watcher — 26 Watcher
Verwendete Eingangsdaten
forks459
stars2.709
watchers26
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

70Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templatenein

Nachhaltigkeit & Governance

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

68Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

36Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
4/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 82 % der Commits
13.5/13.5Breite der Beitragenden — 52 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 12 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled52
top_contributor_share0,824

Reaktionsfähigkeit bei Issues & PRs

82Exzellent
Wie die Bewertung erfolgt
39.6/42Issue-Lösungsquote — 94 % der Issues geschlossen
25.4/30PR-Annahme — 604/714 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
6/15OpenSSF Scorecard: Code-Review — Found 12/30 approved changesets -- score normalized to 4
Verwendete Eingangsdaten
merged_prs604
open_issues17
closed_issues287
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,944
closed_unmerged_prs110
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

68Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
17/25Reichweite des Inhabers — 227 Follower von mujocolab
7.4/25Kontohistorie — 5 öffentliche Repos, Kontoalter ca. 0 Jahre
Verwendete Eingangsdaten
followers227
owner_typeOrganization
is_verified—
owner_loginmujocolab
public_repos5
account_age_days325
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 0 Tagen
20/20Versionshistorie — 18 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesmjlab
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 7 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://mujocolab.github.io/mjlab/
10/10Repository-Beschreibung
10/10Topics — 5 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsisaaclab, mujoco, mujoco-warp, reinforcement-learning, robotics-simulation
has_wikija
homepagehttps://mujocolab.github.io/mjlab/
docs_sitehttps://mujocolab.github.io/mjlab/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

48Schwach · 16 % des Gesamtindex

Sicherheitslage

49Schwach
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
4.5/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3/7.5Code-Review — Found 12/30 approved changesets -- score normalized to 4
2.5/2.5Contributors — project has 12 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
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 16 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
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
3/7.5Vulnerabilities — 6 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate4,9
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

44Schwach
Wie die Bewertung erfolgt
7.7/35Direkte Abhängigkeiten ohne bekannte Advisories — 3 betroffen: torch 2.9.0 (high 8.8), torch 2.9.0+cu128 (high 8.8), torch 2.10.0+cpu (moderate 5.3)
0/25Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
25.4/40Keine offenen Advisories — 3 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 478 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories12
affected_packages4
assessed_packages215
unassessed_packages0
affected_by_severityhigh 3, moderate 1
direct_affected_packages3
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories. Die verbleibenden Gewichte wurden renormalisiert. 215 aufgelöste Abhängigkeiten wurden mit OSV abgeglichen. Dieses Repository veröffentlicht kein Paket, das der Index auflöst; bewertet wurde daher der Abhängigkeitsgraph des Repositorys. Dieser Graph vermischt Entwicklungs- und Test-Pins mit ausgelieferten Abhängigkeiten, daher werden nur die deklarierten Laufzeit-Abhängigkeiten bewertet; transitive Befunde werden als Kontext ausgewiesen und fließen nicht in die Bewertung ein. Erreichbarkeit wird nicht analysiert.

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.

86Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 93 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,93
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes2.084

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

82Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — src/mjlab/py.typed
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
10/10Belegte Agentenpraxis — 7 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
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
lockfilesuv.lock
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configssrc/mjlab/py.typed
agent_commit_share0,07
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/mjlab/py.typed)
54.6/55Handhabbare Dateigrößen — 2/284 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes72.997
source_files_sampled284
oversized_source_files2

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — demos, notebooks
Verwendete Eingangsdaten
example_dirsdemos, notebooks
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

2.709GitHub-Sterne
52Mitwirkende
1.071Commits, letzte 12 Monate
0Tage seit letztem Push
11Releases
1Bus-Faktor
17offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:mjlab@1.5.3; advisories assessed against the repository dependency graph instead

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 459 ⇿
0Sterne
459Forks
10Releases

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.

0100200300400500427132025-092026-022026-07
Major 1Minor 6Patch 3
OpenSSF Scorecard 4.9 / 10
4.9Gesamtwert

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 · 2026-07-22 18:15 UTC

10Binary-Artifactsno binaries found in the repo
6Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
4Code-ReviewFound 12/30 approved changesets -- score normalized to 4
10Contributorsproject has 12 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 16 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow 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
4Vulnerabilities6 existing vulnerabilities detected
Direkte Abhängigkeiten 20
RegistryPaketVersionsvorgabeManifest
PyPIprettytable—pyproject.toml
PyPItqdm—pyproject.toml
PyPItyro>=1.0.1pyproject.toml
PyPItorch>=2.7.0pyproject.toml
PyPItorchrunx>=0.3.4pyproject.toml
PyPIwarp-lang>=1.14.0pyproject.toml
PyPImujoco-warp>=3.10.0.3,~=3.10.0pyproject.toml
PyPImujoco~=3.10.0pyproject.toml
PyPItrimesh>=4.8.3pyproject.toml
PyPIscipy>=1.15pyproject.toml
PyPIviser>=1.0.27pyproject.toml
PyPImjviser>=0.0.14pyproject.toml
PyPImediapy>=1.2.6pyproject.toml
PyPInumpy<2.5pyproject.toml
PyPIimageio-ffmpeg—pyproject.toml
PyPItensordict—pyproject.toml
PyPIrsl-rl-lib==5.4.0pyproject.toml
PyPItensorboard>=2.20.0pyproject.toml
PyPIonnxscript>=0.5.4pyproject.toml
PyPIwandb>=0.22.3pyproject.toml
Alle Abhängigkeiten 215

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 24 direkte und 191 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIimageio-ffmpeg0.6.0direkt
PyPImediapy1.2.6direkt
PyPImjviser0.0.14direkt
PyPImujoco3.10.0direkt
PyPImujoco-warp3.10.0.3direkt
PyPInumpy2.2.6direkt
PyPInumpy2.3.4direkt
PyPIonnxscript0.5.4direkt
PyPIprettytable3.16.0direkt
PyPIrsl-rl-lib5.4.0direkt
PyPIscipy1.15.3direkt
PyPIscipy1.16.2direkt
PyPItensorboard2.20.0direkt
PyPItensordict0.10.0direkt
PyPItorch2.10.0+cpudirekt
PyPItorch2.9.0direkt
PyPItorch2.9.0+cu128direkt
PyPItorchrunx0.3.4direkt
PyPItqdm4.67.1direkt
PyPItrimesh4.8.3direkt
PyPItyro1.0.1direkt
PyPIviser1.0.27direkt
PyPIwandb0.22.3direkt
PyPIwarp-lang1.14.0direkt
PyPIabsl-py2.3.1indirekt
PyPIaccessible-pygments0.0.5indirekt
PyPIalabaster1.0.0indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.11.0indirekt
PyPIasttokens3.0.0indirekt
PyPIattrs25.4.0indirekt
PyPIautodocsumm0.2.14indirekt
PyPIbabel2.17.0indirekt
PyPIbcrypt5.0.0indirekt
PyPIbeautifulsoup44.14.3indirekt
PyPIcertifi2025.10.5indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.4.0indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIclick8.3.0indirekt
PyPIcloudpickle3.1.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorlog6.10.1indirekt
PyPIcontourpy1.3.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcryptography49.0.0indirekt
PyPIcycler0.12.1indirekt
PyPIdecorator5.2.1indirekt
PyPIdeprecated1.3.1indirekt
PyPIdistlib0.4.0indirekt
PyPIdocstring-parser0.17.0indirekt
PyPIdocutils0.21.2indirekt
PyPIembreex2.17.7.post6indirekt
PyPIetils1.13.0indirekt
PyPIexceptiongroup1.3.0indirekt
PyPIexecuting2.2.1indirekt
PyPIfabric3.2.2indirekt
PyPIfilelock3.25.2indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfonttools4.61.1indirekt
PyPIfsspec2025.9.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.54indirekt
PyPIglfw2.10.0indirekt
PyPIgrpcio1.76.0indirekt
PyPIh110.16.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIidentify2.6.15indirekt
PyPIidna3.18indirekt
PyPIimageio2.37.0indirekt
PyPIimagesize1.4.1indirekt
PyPIimportlib-metadata8.7.0indirekt
PyPIimportlib-resources6.5.2indirekt
PyPIiniconfig2.3.0indirekt
PyPIinvoke2.2.1indirekt
PyPIipdb0.13.13indirekt
PyPIipython8.37.0indirekt
PyPIipython9.6.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjsonschema4.25.1indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIkiwisolver1.4.9indirekt
PyPIlatexcodec3.0.1indirekt
PyPIlxml6.1.0indirekt
PyPImanifold3d3.2.1indirekt
PyPImapbox-earcut1.0.3indirekt
PyPImarkdown3.9indirekt
PyPImarkdown-it-py3.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib3.10.8indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImdit-py-plugins0.5.0indirekt
PyPImdurl0.1.2indirekt
PyPImjlab1.5.3indirekt
PyPIml-dtypes0.5.4indirekt
PyPImpmath1.3.0indirekt
PyPImsgspec0.19.0indirekt
PyPImyst-parser4.0.1indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.5indirekt
PyPInodeenv1.9.1indirekt
PyPInvidia-cublas-cu1212.8.4.1indirekt
PyPInvidia-cuda-cupti-cu1212.8.90indirekt
PyPInvidia-cuda-nvrtc-cu1212.8.93indirekt
PyPInvidia-cuda-runtime-cu1212.8.90indirekt
PyPInvidia-cudnn-cu129.10.2.21indirekt
PyPInvidia-cufft-cu1211.3.3.83indirekt
PyPInvidia-cufile-cu121.13.1.3indirekt
PyPInvidia-curand-cu1210.3.9.90indirekt
PyPInvidia-cusolver-cu1211.7.3.90indirekt
PyPInvidia-cusparse-cu1212.5.8.93indirekt
PyPInvidia-cusparselt-cu120.7.1indirekt
PyPInvidia-nccl-cu122.27.5indirekt
PyPInvidia-nvjitlink-cu1212.8.93indirekt
PyPInvidia-nvshmem-cu123.3.20indirekt
PyPInvidia-nvtx-cu1212.8.90indirekt
PyPIonnx1.22.0indirekt
PyPIonnx-ir0.1.11indirekt
PyPIonnxruntime1.24.3indirekt
PyPIorjson3.11.8indirekt
PyPIpackaging25.0indirekt
PyPIparamiko5.0.0indirekt
PyPIparso0.8.5indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.5.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpre-commit4.3.0indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIprotobuf6.33.6indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpybtex0.25.1indirekt
PyPIpybtex-docutils1.0.3indirekt
PyPIpycollada0.9.2indirekt
PyPIpycparser2.23indirekt
PyPIpydantic2.12.3indirekt
PyPIpydantic-core2.41.4indirekt
PyPIpydata-sphinx-theme0.15.4indirekt
PyPIpygments2.20.0indirekt
PyPIpynacl1.6.2indirekt
PyPIpyopengl3.1.10indirekt
PyPIpyparsing3.3.2indirekt
PyPIpyright1.1.408indirekt
PyPIpytest9.0.3indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.2.1indirekt
PyPIpyvers0.1.0indirekt
PyPIpyyaml6.0.3indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.33.1indirekt
PyPIrich14.2.0indirekt
PyPIroman-numerals4.1.0indirekt
PyPIroman-numerals-py4.1.0indirekt
PyPIrpds-py0.27.1indirekt
PyPIrtree1.4.1indirekt
PyPIruff0.14.14indirekt
PyPIsentry-sdk2.42.1indirekt
PyPIsetuptools83.0.0indirekt
PyPIshapely2.1.2indirekt
PyPIsix1.17.0indirekt
PyPIsmmap5.0.2indirekt
PyPIsniffio1.3.1indirekt
PyPIsnowballstemmer3.0.1indirekt
PyPIsoupsieve2.9.1indirekt
PyPIsphinx8.1.3indirekt
PyPIsphinx8.2.3indirekt
PyPIsphinx-autobuild2024.10.3indirekt
PyPIsphinx-autobuild2025.8.25indirekt
PyPIsphinx-autodoc-typehints3.0.1indirekt
PyPIsphinx-autodoc-typehints3.5.2indirekt
PyPIsphinx-book-theme1.1.4indirekt
PyPIsphinx-copybutton0.5.2indirekt
PyPIsphinx-design0.6.1indirekt
PyPIsphinx-icon0.2.2indirekt
PyPIsphinx-multiversion0.2.4indirekt
PyPIsphinx-tabs3.4.7indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-bibtex2.6.5indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIsphinxemoji0.3.2indirekt
PyPIstack-data0.6.3indirekt
PyPIstarlette1.3.1indirekt
PyPIsvg-path7.0indirekt
PyPIsympy1.14.0indirekt
PyPItensorboard-data-server0.7.2indirekt
PyPItomli2.3.0indirekt
PyPItorchvision0.24.0indirekt
PyPItorchvision0.25.0indirekt
PyPItraitlets5.14.3indirekt
PyPItriton3.5.0indirekt
PyPIty0.0.14indirekt
PyPItypeguard4.4.4indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPIurllib32.7.0indirekt
PyPIuvicorn0.40.0indirekt
PyPIvhacdx0.0.8.post2indirekt
PyPIvirtualenv21.2.0indirekt
PyPIwatchfiles1.1.1indirekt
PyPIwcwidth0.2.14indirekt
PyPIwebsockets15.0.1indirekt
PyPIwerkzeug3.1.7indirekt
PyPIwrapt2.0.1indirekt
PyPIxxhash3.6.0indirekt
PyPIyourdfpy0.0.58indirekt
PyPIzipp3.23.0indirekt
PyPIzstandard0.25.0indirekt
Abhängigkeits-Advisories 4

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 215 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 4 tragen bekannte Advisories, davon 3 direkte.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
torch2.9.0direkthoch52.13.0
torch2.9.0+cu128direkthoch52.13.0
click8.3.0indirekthoch18.3.3
torch2.10.0+cpudirektmittel12.13.0

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

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 mujocolab/mjlab teilen. Nebeneinander lesen →

97google-deepmind/mujocoMulti-Joint dynamics with Contact. A general purpose physics simulator.Außergewöhnlich84ttktjmt/mjswanMuJoco Simulation on Web Assembly with Neural netwroksExzellent691e0ng/openbricksPybricks-style MicroPython robot firmware for commodity ESP32 hardware — serial-bus motors, 1 kHz gyro DriveBase, BLE CLI, and a MuJoCo simulator with WRO matsGut41bulletphysics/bullet3Bullet Physics SDK: real-time collision detection and multi-physics simulation for VR, games, visual effects, robotics, machine learning etc.Schwach90enactic/openarmA fully open-source humanoid arm for physical AI research and deployment in contact-rich environments.Exzellent86dimforge/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 v0.26.0 — vollständige Methodik · Metriken-Wiki.

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