Kitchen Worlds开源项目 – 厨房任务规划的一站式解决方案

Kitchen Worlds为厨房和家庭场景中的复杂任务规划提供一站式解决方案，集成多种算法和可视化工具，支持多种厨房任务的预训练规划。

Kitchen Worlds的特点:

1. 提供86个预训练的规划问题，涵盖多种厨房任务
2. 集成多种规划算法，支持长时域任务与运动规划（TAMP）
3. 支持可视化，可直观展示规划结果

Kitchen Worlds的功能:

1. 用于解决厨房和家庭场景中的复杂任务规划
2. 帮助研究人员和开发者测试和评估不同的规划算法
3. 可用于教育和培训，帮助学生理解任务与运动规划

相关导航

Practical Machine Learning开源项目 – 通过实验学习机器学习

机器学习实战资料(Jupyter Notebooks) - 通过在Jupyter Notebooks中实验最先进的机器学习模型和算法进行学习。

LLM Reasonsers开源项目 – 先进的LLM推理框架

用LLM进行复杂推理的框架，采用先进的推理算法，将多步推理视为规划，并搜索最优的推理链，以实现'世界模型'和'奖励'的最佳平衡。

GraphRAG-Local-UI开源项目 – 结合GraphRAG与本地LLM的可视化工具

这个开源项目将GraphRAG与Ollama本地LLM结合，并提供可视化的知识图谱UI和监控。

Ambrosia开源项目 – 用于A/B测试的Python库

Ambrosia是一个强大的Python库，专注于A/B测试的设计、拆分和结果测量，支持复杂的实验设计和自动化的数据收集，提供结果分析和可视化工具，易于与现有的Python项目集成。

LLMSurvey开源项目 – LLaMA模型族进化图

LLMSurvey是一个提供LLaMA模型族进化图的项目，用户可以通过该工具查看不同版本模型的性能，比较多种模型参数，并获取相关的训练和评估数据。

fire开源项目 – 分析南加州野火的卫星图像

分析2025年1月南加州野火的卫星图像，通过结合两颗卫星的数据来测量热点区域，帮助人们直观了解野火的蔓延速度和范围

ReDel开源项目 – 递归多智能体系统工具包

ReDel是一个工具包，旨在帮助研究人员和开发者构建、迭代和分析递归多智能体系统。

LEAP开源项目 – 通用的Python进化算法库

LEAP是一个用于进化算法的通用库，专为Python开发，支持多种进化算法，易于扩展，提供可视化工具和良好的文档，以便用户能够轻松使用和定制。

AppAsap官网 – 无代码AI应用开发平台

AppAsap是一个基于AI的无代码应用开发平台，用户通过与平台对话即可创建移动应用。用户只需5分钟即可生成后端、管理仪表板、API文档和可编辑的数据模块，所有这些都可以通过可视化工具进行操作。

Parseltongue开源项目 – 创新的文本处理与可视化工具

Parseltongue 是一款创新的开源浏览器扩展程序，专为高级文本处理和可视化而设计。它为了解大型语言模型 (LLM) 的认知过程提供了独特的视角。

HeartEcho开源项目 – 一个集成多功能的智能学习平台

HeartEcho 是一个集成了聊天室、语料库和炼丹炉的项目，旨在提供一个全面的环境用于实时交流、文本数据研究和模型训练。它支持大模型的增量学习，具备实时数据处理能力，并且提供用户友好的交互界面及可扩展的模块化设计。

Optuna开源项目 – 高效的超参数优化框架

Optuna是一个专为易用性、可扩展性和灵活性设计的下一代超参数优化框架。它支持剪枝和并行化，能够自动停止无希望的试验，并在多个进程或线程中进行并行优化。Optuna提供了动态搜索空间的定义-by-run API，并提供了多种采样器以适应不同的优化策略。此外，Optuna还集成了可视化工具，用于分析优化结果，并支持与TensorFlow、PyTorch、XGBoost等流行机器学习框架的无缝集成。