我想设计一个神经网络/ ConvNet，以在给定的地图上生成一组点，这些点对应于机器人的可能位置。地图上有很多空的墙面空间，机器人不能处于这些位置。因此，网络应获取地图，并生成与地图上非墙的位置相对应的数字对（x，y）。为实现该任务，神经网络结构的合适选择是什么？
答案 0 :(得分：0)
您可能要采用的方法取决于您是否希望泛化为新的看不见的地图，以及是否可以将地图细分为可行的（适用于机器人导航）和不可行的（墙壁/其他对象/障碍物）。请注意，如果您的环境会随时间变化（例如移动障碍物/其他机器人/物体），则需要动态生成这些地图。为此，如果您有大量带注释的训练数据，并且地图上标记了（分割出）墙壁区域，则可以在数据集中使用基于标准神经网络的分割算法，例如Mask-RCNN（https://github.com/matterport/Mask_RCNN）。或者，如果没有大量带注释的数据，而您只想使用通用路径规划算法，该算法可以规划从A点到B点的路径而不会遇到障碍物，则可以使用基于MPC的避障算法https://arxiv.org/abs/1805.09633 / https://www.tandfonline.com/doi/full/10.1080/00423114.2018.1492141
中所述