一次课堂实验记录：在 10×10 的网格世界里，把一个平均 350 步、60% 通关率的随机机器人，优化到平均 97 步、100% 通关。附带完整的踩坑过程。
文章目录

1. 游戏规则：GridBot 是什么
2. Baseline 分析：醉汉机器人为什么烂
3. 优化思路：三个核心改动
4. 核心代码解析
5. 踩坑记录：0 通关到 47 分
6. 结果对比
7. 总结与展望
8. 游戏规则：GridBot 是什么
   GridBot 是一个网格世界实验：机器人出生在 10×10 地图的左上角 (0,0)，要走到右下角 (9,9) 的终点，路上散落着金币，还有墙壁挡路。
   机器人的信息获取和动作都受限，这正是「具身智能」的简化模型——只能靠自己的传感器和身体去探索世界：
   类别
   内容
   感知
   只能看到前 / 后 / 左 / 右一格：空地 / 墙壁 / 金币 / 终点 / 边界
   定位
   知道自己的坐标 (x, y)、朝向（北东南西）、终点坐标
   动作
   只有 4 个：前进 / 左转 / 右转 / 后转（转向不移动，移动必须先对准方向）
   记忆
   一个可以自由读写的 memory 列表，每局重置
   每张地图限制 500 步，超时判负。我的实验条件是学号尾号 6 对应的 「最少收集 3 枚金币才能通关」——金币不够时踩到终点格不算赢，这直接决定了策略设计。
9. Baseline 分析：醉汉机器人为什么烂
   Baseline 的策略简单粗暴：
   def decide(perception):
   front = perception[“front”]
   if front in (“墙壁”, “边界”):
   return random.choice([“左转”, “右转”, “后转”])
   if random.random() < 0.5:
   return “前进”
   return random.choice([“左转”, “右转”, “后转”])
   翻译成人话：能走就有一半概率往前走，另一半概率随机转身；撞墙了就随机换个方向。
   它的问题不是「不会走」，而是「没有目标」：

• 不知道终点在哪，走位完全靠布朗运动
• 看到金币也不捡，全靠擦身而过
• 没有记忆，同一个死胡同能进出八次
  实测平均 350 步到终点，成功率 60%，金币收集率约 50%。

3. 优化思路：三个核心改动
   3.1 记忆地图
   感知只有一步视野，不记下来就是金鱼。所以每走一步，把前后左右看到的格子类型换算成绝对方位，存进 memory：
   memory[0] = {
   “grid”: {(x,y): “空地”/“墙壁”/“金币”/“终点”}, # 已知地图
   “coins”: {(x,y), …}, # 还没捡的金币
   “visited”: {(x,y), …}, # 走过的格子
   “goalPos”: (x, y), # 当前锁定的目标格
   }
   3.2 锁定下一格
   这是本次实验最重要的设计。第一版我让机器人每一步都重新比较方向，结果它会在相邻两格之间来回震荡——因为转向需要消耗步数，下一步的局势已经变了，它又推翻上一部的决定。
   解决方案：先选定「下一格要去哪」，然后连续执行转向+前进，直到真的踏上那格，才重新规划。
   3.3 先捡金币，再进终点
   针对实验条件的分段策略：
   状态
   行为
   眼前是金币
   直接踩上去
   眼前是终点，金币 ≥ 3
   进去，通关
   眼前是终点，金币 < 3
   绕开，去记忆中最近的一枚金币
   记忆中没有金币了
   去没走过的格子探索扫图
   探索超 120 步还凑不够
   放弃捡币，直奔终点保底

4. 核心代码解析
   完整代码约 250 行，这里挑三个关键函数。
   4.1 记录地图
   def recordMap(perception):
   store = getStore(perception[“memory”])
   pos = perception[“position”]
   base = CLOCKWISE.index(perception[“direction”]) # 当前朝向

   visited.add(pos) # 踩过的格子
   coins.discard(pos) # 这格的金币已被自动捡走，从待捡列表删掉

   for key in (“front”, “right”, “back”, “left”):
   cell = perception[key]
   # 相对方位 → 绝对方位
   p = neighbor(pos, CLOCKWISE[(base + REL[key]) % 4])
   if cell in BLOCKED:
   grid[p] = cell
   elif p in visited:
   coins.discard§ # 走过的格子不可能是金币
   else:
   grid[p] = cell
   if cell == “金币”:
   coins.add§
   注意 (base + REL[key]) % 4 这一行：感知给的是「前/左/右/后」这种相对方向，要换算成「北东南西」的绝对方向才能存进地图。这个换算错一格，整张地图就全歪了。
   4.2 评分选格子
   def pickNextCell(perception, goal, store):
   best, bestScore = None, 9999
   for d in CLOCKWISE: # 北东南西四个方向都试一遍
   cell = cellAt(perception, d)
   if cell in BLOCKED:
   continue # 墙，跳过
   p = neighbor(pos, d)
   if cell == “终点” and coins < NEED_COINS:
   continue # 金币不够，先不进终点
   score = manhattan(p, goal) # 离目标越近越好
   if p in visited:
   score += 3 # 走过的格子加惩罚
   if cell == “金币”:
   score -= 2 # 顺路金币优先捡
   if score < bestScore:
   bestScore, best = score, p
   return best
   本质是一个单步的代价函数：曼哈顿距离打底，走过的路加罚分，金币减分（鼓励顺路捡）。
   4.3 主决策
   def decide(perception):
   recordMap(perception) # 先记地图
   if perception[“front”] == “金币”:
   return “前进” # 眼前有金币，踩
   if perception[“front”] == “终点” and perception[“coins”] >= 3:
   return “前进” # 条件满足，通关
   goal = nearestCoin(…) if coins < 3 else target
   return walkToCell(perception, pickNextCell(…, goal, …))

5. 踩坑记录：从 0 通关到 47 分
   这部分是最有意思的，也是报告里最值钱的部分。第一版跑出来：平均 500 步，0 通关。
   坑 1：幽灵金币
   打印每步轨迹，发现机器人在 (9,8) 和 (9,9) 之间来回走，怎么都不进终点。
   排查：把记忆里的待捡金币集合打出来，发现里面有个坐标 (8,8)——但机器人明明已经踩过那里了，金币早捡走了。
   根因：游戏引擎是「踩上去自动捡金币」，但我的记忆里那格还标着「金币」，于是机器人永远认为那里还有一枚，反复回去找。
   修复：维护 visited 集合，凡是走过的坐标，强制从金币集合里删除。就这一行逻辑，通关率从 0% 起死回生。
   坑 2：门口打转
   修完坑 1，机器人在终点门口反复掉头——金币不够 3 枚进不去，记忆里又没有别的金币，它就在原地纠结。
   修复：加「探索模式」——记忆里没金币时，优先走没去过的格子扫图；再给个 120 步上限，超时直接放弃凑金币、保底去终点。
   坑 3：方向震荡
   每步重新规划方向时，机器人在两格之间来回横跳（转向也是要花步数的，世界状态一直在变）。
   修复：见 3.2，锁定目标格直到踏上去。
   三个坑修完，平均步数从 500 降到 97。

6. 结果对比
   指标
   Baseline
   优化后
   提升
   平均步数
   ~350
   97
   3.6×
   金币收集率
   ~50%
   68%
   1.4×
   通关成功率
   ~60%
   100%（15/15）
   —
   自动评测得分
   —
   47 / 50
   —
   各地图明细（每图跑 3 次）：
   地图
   平均步数
   金币收集率
   通关
   地图 1 — 新手村
   140
   100%
   3/3
   地图 2 — 小径
   136
   75%
   3/3
   地图 3 — 花园
   66
   60%
   3/3
   地图 4 — 迷宫入口
   61
   50%
   3/3
   地图 5 — 挑战迷宫
   83
   57%
   3/3

7. 总结与展望
   收获
   这个实验最直观地展示了「具身智能」的一个核心矛盾：智能体的决策质量，取决于它的世界模型有多完整。感知只有一步视野，就必须靠记忆补全；记忆里错了一笔（幽灵金币），策略就会在物理世界里表现出「鬼打墙」。
   换句话说：机器人不是蠢，是它的地图错了。
   如果继续做

8. BFS / A* 最短路：现在还是贪心，遇到 U 型墙会绕远路。既然已经有了记忆地图，完全可以在已知地图上做真正的寻路

9. 金币路线规划：现在是「每次去最近的一枚」，多枚金币的访问顺序是个小型旅行商问题

10. 传感器容错：实验条件里还有「方向传感器坏了」「GPS 坏了」等变体，可以用动作计数自己做里程计，不依赖引擎给的坐标
    一个课堂实验，代码不到 250 行，但从 0 通关到满分的过程中踩的每一个坑，都是「感知 → 记忆 → 决策」这条链路最真实的注脚。
    （完）