Separate drawing code from algorithm code in large planners
Los mantenedores suelen responder en 9 días
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 45/100
Línea de trabajo
Read the listed planner files: q_learning_path_planner.py, genetic_algorithm_path_planner.py, ant_colony_path_planner.py, pso_path_planner.py, dstar_path_planner.py, and dstar_path_planning.py. Identify their drawing and GIF code, including the GIF builder in dstar_path_planning.py, and coordinate the changes with the planner interface work. Done means the drawing code is in separate modules or classes and the algorithm files read top to bottom as algorithm code.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Problem
Several planners are much longer than other components because animation code is mixed with the algorithm: q_learning_path_planner.py (765 lines), genetic_algorithm_path_planner.py (693), ant_colony_path_planner.py (588), pso_path_planner.py (567), dstar_path_planner.py (556), and dstar_path_planning.py (471 lines, with its own GIF builder). This makes it hard for learners to find the algorithm.
Proposed direction
Move drawing/GIF code into separate modules or classes so the algorithm file reads top to bottom as the algorithm. Coordinate with the planner interface work.
- Lenguaje dominante
- Python
- Estrellas
- 1.9k
- Forks
- 313
- Merge medio
- 9 d 10 h
- PR fusionados (30 d)
- 7
Preparar el entorno
Inicia el contenedor de desarrollo del proyecto en tu navegador, con tu propia cuenta de GitHub.
- Incluye un Dockerfile o un archivo de Docker Compose
- Sin plantilla de pull request
- Sin guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de ShisatoYano/AutonomousVehicleControlBeginnersGuide
-
good first issue refactoring
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
ShisatoYano/AutonomousVehicleControlBeginnersGuide#129 · 1 comentario ·
Los mantenedores suelen responder en 9 días
-
documentation good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
ShisatoYano/AutonomousVehicleControlBeginnersGuide#99 ·
Los mantenedores suelen responder en 9 días
-
documentation good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
ShisatoYano/AutonomousVehicleControlBeginnersGuide#98 ·
Los mantenedores suelen responder en 9 días
-
documentation enhancement
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
ShisatoYano/AutonomousVehicleControlBeginnersGuide#88 ·
Los mantenedores suelen responder en 9 días
-
long term
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
ShisatoYano/AutonomousVehicleControlBeginnersGuide#131 ·
Los mantenedores suelen responder en 9 días
Todos los issues de ShisatoYano/AutonomousVehicleControlBeginnersGuide
Issues similares
-
ai_p2 bug comp-datalake
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
ClickHouse/ClickHouse#128306 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
Los mantenedores suelen responder en 1 día
-
[Bug] PROPOSE docs promise approval before saving, but save_learning has no confirmation flagAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
Los mantenedores suelen responder en 1 día
-
[bug] openlit: LLM spans from openlit 1.37+ get no OpenInference attributes, and cache and reasoning token counts are droppedPosiblemente ocupada @sohom-cs la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
Arize-ai/openinference#4199 · 1 reacción ·
Los mantenedores suelen responder en 2 días
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 82/100
MichaelYcJo/SpecSeal#1192 ·