规划并模拟扫地机器人的清扫路径，并与随机游走的清扫方式做对比

资 源 简 介

规划并模拟扫地机器人的清扫路径，并与随机游走的清扫方式做对比

详 情 说 明

在模拟扫地机器人的清扫任务中，我们对比了系统性路径规划与随机游走两种截然不同的策略。系统采用20×15的网格地图作为测试环境，其中1×1尺寸的机器人需要遍历所有可达区域。

深度优先搜索算法被应用于路径规划方案。首先基于障碍物标记矩阵（障碍物记为1，可行区域记为0）构建图结构的邻接表，通过递归式探索确保覆盖所有连通区域。该算法表现出典型的蛇形遍历特征，优先深入某个分支直到遇到障碍物再回溯，这种策略能系统性覆盖所有可行区域。

作为对照组的随机游走策略采用完全随机的运动模式：每个时间步从上下左右四个方向等概率选择移动方向。当遇到障碍物或边界时自动重新选择方向。这种无记忆的游走方式会导致大量重复路径和覆盖盲区。

可视化方案采用颜色编码：白色网格表示未清扫区域，黑色为固定障碍物，蓝色区块记录首次清扫，红色区域则显示重复清扫的位置。通过色块分布能直观看出DFS规划路径的蓝色轨迹呈现明显的系统性条纹，而随机游走的可视化结果会呈现红蓝交错的散点分布。

实验数据表明，在相同障碍物密度（约15%）环境下，DFS路径规划的平均步数约为随机游走方案的65%。前者由于避免重复路径而显著提升效率，但需要付出更高的计算开销用于路径预计算。随机游走虽然实现简单，但在大面积区域会出现明显的"遗漏角落"现象，需要额外设计回溯机制才能保证完全覆盖。