Ryujinx 是一款基于 C# 开发的 开源  Nintendo Switch 模拟器，能够在 PC 上模拟运行 Switch 游戏。

该项目由 gdkchan 发起，自 2017 年 9 月起开发，使用 .NET Core 和 .NET Standard 技术，支持 Windows、Linux 和 macOS 跨平台运行。Ryujinx 以高精度和性能为目标，提供简洁易用的界面，并支持众多游戏。

截至 2024 年 5 月，已有约 4,300 款游戏在该模拟器上测试，其中超过 3,550 款被评为可玩。

使用 Ryujinx 需要至少 8GiB RAM，否则可能会影响游戏体验。

下载地址：
链接：https://pan.quark.cn/s/4a953960cc77

# 游戏
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

实现一个简单的图像压缩算法。

在数字时代，图像数据无处不在。从社交媒体到医疗影像，从卫星遥感到自动驾驶，图像数据的产生和传输呈指数级增长。然而，原始图像数据往往非常庞大，一张普通的1080p彩色图像就需要约6MB的存储空间。图像压缩技术应运而生，它通过在保证视觉质量的前提下减少图像数据量，解决了存储和传输的瓶颈问题。本文将深入探讨图像压缩的基本原理，实现一个完整的图像压缩系统，并分析现代图像压缩技术的发展趋势。我们将从最简单的

avatar DAMO开发者矩阵

基于模型预测控制（MPC）与滚动时域估计（MHE）集成的目标点镇定研究（Matlab代码实现）

本文提出一种“模型预测控制（MPC）+ 滚动时域估计（MHE）”一体化框架，旨在解决在传感器和执行器双重噪声环境下，将移动机器人稳定到指定目标点 xs​ 的问题。与现有研究仅单独考虑状态或控制噪声、且将估计与控制分步求解的做法不同，本文创新性地把传感器噪声和执行器噪声同时纳入联合优化，实现了真正意义上的“估计–控制闭环”。采用多重打靶法将 MPC 问题转化为非线性规划（NLP），并利用 CASAD

avatar DAMO开发者矩阵

基于模型预测控制（MPC）与滚动时域估计（MHE）集成的目标点镇定研究（Matlab代码实现）

本文提出一种“模型预测控制（MPC）+ 滚动时域估计（MHE）”一体化框架，旨在解决在传感器和执行器双重噪声环境下，将移动机器人稳定到指定目标点 xs​ 的问题。与现有研究仅单独考虑状态或控制噪声、且将估计与控制分步求解的做法不同，本文创新性地把传感器噪声和执行器噪声同时纳入联合优化，实现了真正意义上的“估计–控制闭环”。采用多重打靶法将 MPC 问题转化为非线性规划（NLP），并利用 CASAD

avatar DAMO开发者矩阵