这是课上做的笔记，因此很多记得比较急，之后会逐步完善，每节课的逻辑流程写在大纲部分。

---

成功率(SR)

导航误差(NE)

成功加权路径长度（SucceedPLength）

轨迹长度（TL）

先知成功率（OS）

评估环境

1. SEEN VS. UNSEEN ENVIRONMENTS

SEEN ENVIRONMENTS

• 定义：这些是用于训练和验证的场景。
• 目的：确保模型在熟悉的数据上能够很好地拟合和表现。
• 特点：模型在训练过程中已经见过这些环境，因此对它们有较好的理解和预测能力。

UNSEEN ENVIRONMENTS

• 定义：这些是模型在训练中从未见过的场景，用于评估其泛化能力。
• 目的：检验模型是否能够在未见过的新环境中保持良好的性能，这反映了模型的真实应用潜力。
• 特点：由于模型没有见过这些环境，因此可以更真实地反映其在实际应用中的表现。

2. TEST ENVIRONMENTS

• 定义：与UNSEEN ENVIRONMENTS类似，同样是完全未见过的环境，但它是最终的、最权威的评测标准。
• 目的：为了保证公平性和客观性，测试集的正确答案（路径）通常是不公开的，以防止研究者通过逆向工程等方式获取优势。
• 流程：
  • 研究者需要将训练好的模型提交到官方的评测服务器上。
  • 由服务器来计算并返回最终成绩，这样可以确保评估过程的公正性和准确性。