dart-io
Skillgithub.com
提供统一接口加载多种机器人模型格式,支持自动识别 URDF、SDF、MJCF 和 SKEL 文件,具备 ROS 包路径解析与格式强制指定能力,适用于跨仿真平台的机器人模型导入与转换场景。
阿钰同学
浏览可复用的 Skill 能力条目,登录后查看来源说明。
github.com
提供统一接口加载多种机器人模型格式,支持自动识别 URDF、SDF、MJCF 和 SKEL 文件,具备 ROS 包路径解析与格式强制指定能力,适用于跨仿真平台的机器人模型导入与转换场景。
github.com
提供对 DART 物理引擎的 Python 封装支持,涵盖绑定生成、轮包构建与类型提示管理,兼容 NumPy 数据交互及 Eigen 类型自动转换,适用于机器人动力学仿真与开发场景。
github.com
提供 Dart 物理引擎的 Python 接口支持,涵盖骨骼模型加载、仿真步进与世界状态管理,集成 nanobind 绑定、wheel 构建流程及类型提示生成,适配 NumPy 与 Eigen 数据互通,并遵循 snake_case 命名规范。
github.com
提供 Dart项目的标准化测试支持,涵盖单元测试、集成测试及持续集成验证流程,统一管理测试组织结构、编写规范与调试方法,确保代码变更前通过自动化质量门禁。
github.com
提供针对 DART 项目的系统化测试支持,涵盖单元测试、集成测试及 CI 流水线验证,通过标准化的测试结构与执行流程确保代码质量,适用于本地调试与持续集成环境中的自动化检查。
github.com
提供 Ark仪表盘的端到端 UI 自动化测试能力,支持在 Kubernetes 环境中启动服务、执行交互式操作、捕获关键界面截图,并将结果组织上传至 GitHub 仓库用于 PR 审查与变更验证。
github.com
自动化创建多站点仪表板中的新页面,包括路由注册、组件文件生成、导航菜单集成及国际化支持,根据父级路由自动推导文件位置与路径结构,并适配现有代码规范和菜单逻辑。
github.com
能够根据用户需求自动生成包含关键指标卡片、SVG 图表、进度条和数据表格的交互式 HTML 可视化看板,支持营收、性能、运营等多类业务指标的直观呈现与趋势分析。
github.com
自动规划数据看板的界面布局,结合数据分析需求提供结构化设计建议,涵盖可视化组件排布、指标分组逻辑与交互流程优化,输出符合业务智能场景的可落地方案。
github.com
提供仪表盘布局规划的自动化支持,涵盖结构设计、组件配置与最佳实践指导,生成符合行业标准的可部署方案,并能结合数据可视化、统计分析和商业智能需求进行定制化调整。
github.com
提供超内存规模数据的并行与分布式计算能力,支持单机多核加速、跨机器集群扩展,兼容 pandas 和 NumPy 的编程接口,适用于大规模表格、数值数组、非结构化文本及自定义任务流的高效处理。
github.com
支持对超大规模数据集进行并行与分布式处理,适用于内存受限的 pandas 或 NumPy 工作流扩展,能够高效执行多文件并行处理、分布式机器学习及复杂 ETL 流程,通过任务图调度实现跨单机与集群的计算资源协同。
github.com
提供对 Google NotebookLM 的完整程序化控制,支持创建笔记本、添加多格式资料源、基于内容对话、生成各类智能产物(如播客、视频、测验、思维导图等),并可批量下载为多种结构化格式,覆盖网页界面未开放的高级功能。
github.com
提供安全可控的数据访问能力,统一处理数据库与外部 API 调用,强制服务端执行、内嵌权限校验、返回标准化数据结构,并禁止客户端直连或内部 HTTP 请求,支撑 Next.js 应用的架构一致性与安全边界。
github.com
面向 CSV 数据的端到端分析能力,涵盖自动加载、结构探查、缺失值与异常值处理、多维度统计建模、相关性挖掘及趋势识别,并支持生成静态图表与交互式 HTML 可视化结果。
github.com
提供端到端的数据分析能力,涵盖数据加载与结构检查、分布与相关性探索、参数与非参数统计检验、多类型置信区间估算、效应量量化,以及正态性、方差齐性等关键假设验证,支持根据数据特征自动推荐稳健分析方法。
github.com
能够对数据集进行自动化分析并生成可视化图表,支持加载文件、统计描述、异常值检测及相关性分析,通过图形化手段揭示数据趋势与模式,适用于数据探索和决策辅助场景。
github.com
执行数据加载、清洗与统计推断全流程,涵盖描述性统计、分布检验、相关性分析及多类假设检验,结合效应量计算与假设验证,并支持重采样方法和稳健统计技术以适应不同数据特征。
github.com
面向CSV数据集提供端到端分析能力,自动识别缺失值模式并基于数据类型与分布特征选择最优填充策略,同时生成包含趋势图、分布直方图、相关性热力图及交互式散点矩阵的可视化仪表盘,支持探索性数据分析全流程。
github.com
自动构建机器学习中的数据增强流程,提供从数据预处理到管道配置的端到端支持,生成符合行业规范的可执行代码,适用于图像、文本等多模态数据的训练优化场景。
github.com
自动化构建和优化机器学习训练所需的数据增强流程,涵盖从原始数据预处理、变换策略设计到增强后数据集生成的完整环节,支持按需定制化配置与行业标准验证。
github.com
自动化维护数据目录,支持对元数据进行读取、写入、编辑及脚本化处理,适配 ETL 流程、数据转换、工作流编排与流式数据处理等场景。
github.com
自动执行数据目录更新任务,支持在数据管道场景中完成元数据采集、版本管理、变更同步及合规性校验,覆盖 ETL、流处理与工作流编排等典型工程实践。
github.com
支持从数据加载到报告生成的全流程自动化分析,涵盖智能诊断、多类型可视化、建模评估与交互式HTML报告输出,适用于医疗、金融等领域的复杂数据分析任务,实现高效的数据洞察与决策辅助。