- 环境: 一个由网格组成的房间，有障碍物（墙壁）和需要清扫的区域。
- 状态: 机器人的位置、方向以及房间的清洁状态。
- 行为: 机器人如何移动、如何感知环境以及如何决策。
我们将使用 Python 和 numpy 库来实现这个模拟，因为它非常适合处理网格和矩阵。
（图片来源网络，侵删）
第1步：定义环境和机器人
我们需要一个表示房间的二维数组,以及一个表示机器人类。
环境定义:
0: 空地（需要清扫）1: 墙壁（障碍物）2: 已清扫区域
机器人类定义:
x,y: 当前坐标direction: 当前朝向 ( '上', '右', '下', '左')room_map: 对环境的引用，以便可以更新地图状态
第2步：实现机器人的核心行为
机器人需要具备以下能力：
（图片来源网络，侵删）
- 移动: 根据当前方向前进或后退。
- 转向: 顺时针或逆时针旋转90度。
- 感知: 检查前方的格子是墙壁、空地还是已清扫区。
- 清扫: 将当前所在的位置标记为“已清扫”。
第3步：实现决策逻辑（核心算法）
这是模拟的“大脑”，一个简单的扫地机器人通常遵循以下逻辑：
“沿墙走”算法 (Wall-Following Algorithm) 这是一个非常经典且简单的算法，机器人会始终保持在墙壁的同一侧（比如右侧）移动。
算法流程：
- 初始化: 机器人从起始点开始，朝一个方向（向右）。
- 循环: a. 清扫当前位置。 b. 尝试右转，然后尝试前进一步。 c. b 成功（前方不是墙），则回到 b，这确保了机器人会一直沿着墙的右侧转圈。 d. b 失败（前方是墙），则 尝试直行。 e. d 也失败，则 尝试左转。 f. e 也失败，说明机器人被墙困住了，掉头（转180度）。
这个算法虽然简单,但对于没有地图、只能感知局部环境的机器人来说，非常有效。
（图片来源网络，侵删）
第4步：可视化
我们将使用 matplotlib 库来实时打印机器人的移动和清扫过程，让模拟过程更直观。
完整代码实现
下面是完整的、可运行的 Python 代码。
import numpy as np
import time
import matplotlib.pyplot as plt
import matplotlib.patches as patches
# --- 1. 定义环境 ---
# 0: 空地, 1: 墙壁, 2: 已清扫
room_map = np.array([
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 1, 1, 0, 1, 1, 1, 0, 1],
[1, 0, 1, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 1, 0, 1, 1, 1, 1, 0, 1],
[1, 0, 0, 0, 0, 0, 0, 1, 0, 1],
[1, 0, 1, 1, 1, 1, 0, 1, 0, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
])
# --- 2. 定义机器人类 ---
class Robot:
def __init__(self, x, y, direction, room_map):
self.x = x
self.y = y
self.direction = direction # 'up', 'right', 'down', 'left'
self.room_map = room_map
self.moves = 0
def clean(self):
"""清扫当前位置"""
if self.room_map[self.y, self.x] == 0:
self.room_map[self.y, self.x] = 2
print(f"清扫位置: ({self.x}, {self.y})")
def move_forward(self):
"""根据当前方向前进一格"""
dx, dy = 0, 0
if self.direction == 'up':
dy = -1
elif self.direction == 'right':
dx = 1
elif self.direction == 'down':
dy = 1
elif self.direction == 'left':
dx = -1
new_x, new_y = self.x + dx, self.y + dy
# 检查新位置是否可走（不是墙）
if self.room_map[new_y, new_x] != 1:
self.x, self.y = new_x, new_y
self.moves += 1
return True
return False
def turn_right(self):
"""右转90度"""
directions = ['up', 'right', 'down', 'left']
idx = directions.index(self.direction)
self.direction = directions[(idx + 1) % 4]
self.moves += 1
def turn_left(self):
"""左转90度"""
directions = ['up', 'right', 'down', 'left']
idx = directions.index(self.direction)
self.direction = directions[(idx - 1) % 4]
self.moves += 1
def turn_around(self):
"""掉头（转180度）"""
self.turn_right()
self.turn_right()
def sense_front(self):
"""感知前方是什么"""
dx, dy = 0, 0
if self.direction == 'up':
dy = -1
elif self.direction == 'right':
dx = 1
elif self.direction == 'down':
dy = 1
elif self.direction == 'left':
dx = -1
front_x, front_y = self.x + dx, self.y + dy
return self.room_map[front_y, front_x]
def display_status(self):
"""打印机器人当前状态"""
print(f"--- 机器人状态 ---")
print(f"位置: ({self.x}, {self.y})")
print(f"方向: {self.direction}")
print(f"总移动步数: {self.moves}")
print("-----------------")
# --- 3. 决策逻辑 ---
def run_simulation(robot, max_steps=1000):
"""运行模拟"""
plt.ion() # 开启交互模式
fig, ax = plt.subplots(figsize=(8, 8))
for _ in range(max_steps):
# 清理画布
ax.clear()
# 绘制地图
ax.imshow(robot.room_map, cmap='viridis', alpha=0.7)
# 绘制机器人
robot_circle = patches.Circle((robot.x, robot.y), 0.3, color='red', zorder=10)
ax.add_patch(robot_circle)
# 绘制机器人方向指示器
arrow_length = 0.5
if robot.direction == 'up':
dx, dy = 0, -arrow_length
elif robot.direction == 'right':
dx, dy = arrow_length, 0
elif robot.direction == 'down':
dx, dy = 0, arrow_length
elif robot.direction == 'left':
dx, dy = -arrow_length, 0
ax.arrow(robot.x, robot.y, dx, dy, head_width=0.2, head_length=0.1, fc='yellow', ec='yellow', zorder=11)
# 设置坐标轴
ax.set_xlim(-0.5, robot.room_map.shape[1] - 0.5)
ax.set_ylim(-0.5, robot.room_map.shape[0] - 0.5)
ax.set_xticks(np.arange(-0.5, robot.room_map.shape[1], 1), minor=True)
ax.set_yticks(np.arange(-0.5, robot.room_map.shape[0], 1), minor=True)
ax.grid(which="minor", color="gray", linestyle='-', linewidth=0.5)
ax.set_title(f"扫地机器人模拟 - 步数: {robot.moves}")
ax.invert_yaxis() # 让(0,0)在左上角，更像屏幕坐标
plt.draw()
plt.pause(0.2) # 暂停0.2秒，以便观察
# 核心决策逻辑 (沿墙走算法)
robot.clean()
# 1. 尝试右转并前进
robot.turn_right()
if robot.move_forward():
continue # 成功则进入下一轮循环
# 2. 如果失败，尝试直行
robot.turn_left() # 撤销上一次的右转
if robot.move_forward():
continue
# 3. 如果失败，尝试左转
robot.turn_left()
if robot.move_forward():
continue
# 4. 如果失败，说明被堵住了，掉头
robot.turn_around()
# 如果掉头后也无法移动（理论上不应该发生，除非在角落），则结束
if not robot.move_forward():
print("机器人被困住了！")
break
plt.ioff() # 关闭交互模式
plt.show()
# --- 4. 主程序 ---
if __name__ == "__main__":
# 找到一个空的起始位置
start_pos = np.argwhere(room_map == 0)
start_x, start_y = start_pos[0] # 取第一个空地
# 创建机器人实例
my_robot = Robot(x=start_x, y=start_y, direction='right', room_map=room_map.copy())
print("开始扫地机器人模拟...")
print("地图: 0=空地, 1=墙壁, 2=已清扫")
print("红色圆圈是机器人，黄色箭头是朝向。")
# 运行模拟
run_simulation(my_robot, max_steps=500)
print("\n模拟结束！")
my_robot.display_status()
print("最终地图状态:")
print(my_robot.room_map)
如何运行和观察
-
确保安装了库:
pip install numpy matplotlib
-
保存代码: 将上面的代码保存为
robot_simulation.py文件。 -
运行:
python robot_simulation.py
-
观察:
- 你会看到一个弹出的窗口,显示房间的俯视图。
- 黄色格子是墙壁。
- 深色格子是还未清扫的空地。
- 亮色格子是机器人已经清扫过的区域。
- 红色圆圈代表机器人本身。
- 黄色箭头指示了机器人的当前朝向。
- 你会看到机器人按照“沿墙走”的算法，在房间里移动并清扫，直到达到最大步数或被困住。
总结与扩展
这个简单的模拟展示了扫地机器人的基本工作原理,真实的扫地机器人要复杂得多，但核心思想类似：
- 传感器: 使用红外、激光雷达、超声波等传感器来感知墙壁、悬崖和障碍物。
- 更复杂的算法: 更高级的机器人会使用“随机覆盖”或“记忆地图”算法，以避免重复清扫，提高覆盖率。
- 路径规划: 在有地图的情况下，会进行全局或局部路径规划，以最高效的方式清扫整个区域。
- 充电: 当电量低时，会自动返回充电座。
你可以尝试修改 room_map 来创建不同的房间布局，或者修改机器人的决策逻辑，看看会发生什么，你可以让机器人随机选择方向，而不是遵循“沿墙走”的规则。
标签： 扫地机器人模拟路径算法 扫地机器人模拟清洁逻辑 扫地机器人模拟避障原理
版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。
