上一篇：基于Transformer的路径规划 - 第一篇 探索
对于深度学习项目而言，如何获取样本往往是其中最关键的部分，因为在实际项目中基本上只会用到成熟的模型，而成熟的模型是不需要算法工程师进行修改的，最多就是设置一些参数，例如网络的层数、输出类别的个数。算法工程师一般不太情愿去做样本合成/样本标注之类的工作，主要原因是这类工作一般确实没什么技术含量并且过于消耗时间。但我觉得有必要专门用一章的篇幅来介绍“合成数据”。
我这几天一直在开发合成训练样本的代码，工作量不低。合成样本示例如下：
根据路径的复杂程度，分成以下几种情况进行合成：
1、从起始点到目标点，需要至多一次转弯，X/Y轴运动方向保持不变
2、从起始点到目标点，需要至少二次转弯，X/Y轴运动方向保持不变
3、从起始点到目标点，需要多次转弯，X/Y轴运动方向至少改变一次
有了训练样本后，接下来就是训练模型了，由于给定输入，满足要求的路径可能有多条，因此选择GPT模型比较合适。
