最近在学深度学习结合路径规划，本来想复现NRRT*这个论文的，但是代码没有开源。然后复现了一个方法https://github.com/dcaffo98/path-planning-cnn，想用传统方法和这个方法做对比，但这个方法的输入是自己生成的.pt文件，传统方法的输入是自己定义的图，该怎么改哇?😭
参考GPT和自己的思路：
首先，要对比不同路径规划算法的性能，需要定义一个共同的评估指标，比如执行时间、路径长度、路径搜索次数等，这样才能更加客观地比较它们的优劣。其次，对于传统的路径规划算法，输入通常是地图或图形，而深度学习的路径规划方法则需要自己生成.pt文件作为输入，所以需要先将地图或图形转化为.pt文件，然后再对比两种方法的性能差异。可以考虑使用现有的地图绘制工具或者GIS软件生成地图，并将其转化为.pt文件，以便与深度学习方法进行比较。
参考GPT和自己的思路：
对于路径规划算法的对比，一般可以从以下几个方面考虑：
算法的理论基础和原理：不同的算法有不同的理论基础和规划策略，通过了解各个算法的原理，可以帮助我们更好地理解它们的优缺点。
算法在不同场景下的表现：不同的算法在不同场景下的表现可能会有较大的差异，因此我们需要在不同的场景下进行实验和测试，以便更好地评估它们的表现。
算法的实现复杂度和可扩展性：对于实际的应用场景，我们需要考虑算法的实现复杂度和可扩展性，以便选择一个适合的算法来解决问题。
对于你的问题，如果你想要对CNN方法和传统方法进行对比，可以考虑使用相似的数据集和评估标准，以评估两种方法在实际场景下的表现。对于传统方法，你可以将图像转化为图形数据结构，以便进行路径规划。你也可以尝试用其他开源算法实现，以便更好地比较两种方法的表现。