一份精选的机器人学资源清单,涵盖书籍、课程、仿真器、软件库、会议、期刊和竞赛。
AtsushiSakai/PythonRobotics
一个包含定位、建图、SLAM、路径规划与控制等机器人算法的 Python 示例代码库与教材。
- Star
- 30,754
- Fork
- 7,422
- 未关闭 Issue
- 64
- 最近提交
- 昨天
这是什么?
PythonRobotics 收录了一系列广泛使用的机器人算法 Python 示例实现,并配有在线教材,讲解每种算法的数学背景。项目注重可读性,每个示例都保持简洁,便于读者理解算法的基本思路,而不是面向生产环境的完整实现。
代码按问题领域组织。定位部分包括扩展卡尔曼滤波、粒子滤波和直方图滤波;建图部分涵盖栅格地图、激光雷达转栅格图和 k-means 聚类。SLAM 部分有 ICP 匹配和 FastSLAM 1.0;路径规划包括 A*、Dijkstra、RRT 系列、PRM 以及 Frenet 坐标系下的轨迹生成;路径跟踪则有 Stanley、LQR 和模型预测控制等控制器。此外还包含机械臂导航、四旋翼轨迹跟踪、火箭垂直着陆和双足机器人落脚点规划。
大部分示例为二维或简化仿真,并生成动画演示。项目需要 Python 3.13 及 NumPy、SciPy、Matplotlib、cvxpy 等依赖,可通过 conda 或 pip 安装。
核心功能
- 01覆盖定位、建图、SLAM、路径规划、路径跟踪与控制等领域。
- 02包含扩展卡尔曼滤波、粒子滤波、A*、Dijkstra、RRT、Stanley 和 MPC 等示例。
- 03示例以易读为目标编写,并生成动画仿真结果。
- 04配有在线教材,讲解每种算法背后的数学原理。
- 05依赖较少,主要使用 NumPy、SciPy 和 Matplotlib 等常见库。
适用场景
- 在大型系统中实现机器人算法之前,先通过示例理解其工作原理。
- 在仿真环境中原型验证路径规划器或路径跟踪控制器。
- 借助可运行的示例讲授机器人学相关课程。
- 在相同场景下对比多种定位或 SLAM 方法的表现。
快速上手
- 1
克隆仓库
git clone https://github.com/AtsushiSakai/PythonRobotics.git - 2
使用 pip 安装所需库
pip install -r requirements/requirements.txt - 3
在对应目录中运行任意 Python 示例脚本
使用前须知
- 运行示例代码需要 Python 3.13.x。
- 这是用于学习的示例代码集合,而不是可直接用于生产的打包库或机器人软件栈。
- 许可证显示为 NOASSERTION,复用前请查看仓库中的许可证文件。
标签
常见问题
- PythonRobotics 是什么?
- 一个包含定位、建图、SLAM、路径规划与控制等机器人算法的 Python 示例代码库与教材。 PythonRobotics 收录了一系列广泛使用的机器人算法 Python 示例实现,并配有在线教材,讲解每种算法的数学背景。项目注重可读性,每个示例都保持简洁,便于读者理解算法的基本思路,而不是面向生产环境的完整实现。
- PythonRobotics 可以免费使用吗?用的什么许可证?
- PythonRobotics 以 Other 许可证开源。用于商业产品前,请先确认许可证条款。
- PythonRobotics 还在维护吗?
- 活跃维护中。PythonRobotics 最近一次提交是在 2026年10月19日。
- PythonRobotics 适合用来做什么?
- 在大型系统中实现机器人算法之前,先通过示例理解其工作原理。 在仿真环境中原型验证路径规划器或路径跟踪控制器。 借助可运行的示例讲授机器人学相关课程。 在相同场景下对比多种定位或 SLAM 方法的表现。
- PythonRobotics 怎么安装和运行?
- 克隆仓库: git clone https://github.com/AtsushiSakai/PythonRobotics.git 使用 pip 安装所需库: pip install -r requirements/requirements.txt 在对应目录中运行任意 Python 示例脚本
- 在哪里获取 PythonRobotics?
- 源代码和安装说明在 GitHub 上:https://github.com/AtsushiSakai/PythonRobotics
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
精选的机器人学在线课程、大学公开课、书籍与实践资源合集,供自学者查找学习材料。
NVIDIA 开源的世界基础模型、数据集与工具,用于构建机器人、自动驾驶等物理 AI 应用。
由社区维护的 Python 算法实现合集,主要用于学习与教学。
面向中文开发者的具身智能知识库与资料索引,涵盖算法、基础设施、控制与硬件,并附带 RoboTwin 2.0 动手教程。
交互式 3D 昆虫图鉴,用 TypeScript 与 Three.js 在浏览器中程序化生成 63 种昆虫模型。