摘要在本次实验中，我实现了LeNet-5卷积神经网络模型的构建与训练，以实现图像分类任务。主模型采用Pytorch框架搭建，模型识别准确率达到了87%，体现了较好的分类效果。除此之外，我还尝试使用C++实现模型的底层核心操作，包括卷积、池化及全连接等，但最终准确率较低，未达预期。此外，为进一步拓

摘要本文介绍了快速探索随机树（Rapidly-exploringRandomTree,RRT）算法在二维环境中的路径规划应用。RRT是一种随机采样算法，能够快速构建从起点到目标点的路径，特别适用于复杂环境中的机器人路径规划。通过在随机方向上扩展树结构，RRT算法能够高效避开障碍物并找到一条可行路径

MapConnectivity——地图连通性MapGeneratorusingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;publicclassMapGenerator:MonoBeh

MapNavigation——地图烘培MapGeneratorusingSystem.Collections;usingSystem.Collections.Generic;usingUnity.VisualScripting;usingUnityEngine;publiccla

FinishingtheMapGeneratorMapGeneratorusingSystem.Collections;usingSystem.Collections.Generic;usingUnity.VisualScripting;usingUnityEngine;publiccl

TileMap——地图MapGeneratorusingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;publicclassMapGenerator:MonoBehaviour{p