扫地机器人 随机 规划

• 随机规划 (Random / Randomized)： 像一个“没头苍蝇”，在房间里乱撞，哪里能去就去哪里，希望最终能覆盖所有地方，它不关心全局,只看眼前。
• 规划 (Planning / Path Planning)： 像一个“有经验的向导”，在出发前（或途中）会思考，制定一个有目的、有策略的路径，确保高效、全面地完成任务。

下面我们详细拆解这两种模式,以及现代扫地机器人如何将它们完美结合。

随机规划

这通常是扫地机器人最基础的清扫模式,尤其是在早期产品中。

工作原理

机器人没有任何地图概念，它的行动完全基于传感器反馈和随机决策。

• 核心传感器：

  • 碰撞传感器： 机器人外壳四周装有物理或红外碰撞传感器，当碰到墙壁、家具或障碍物时，传感器被触发，机器人会立即后退,并随机选择一个新的方向继续前进。
  • 悬崖传感器： 位于机器人底部，用于检测台阶或楼梯,防止坠落。
  • 尘盒传感器： 检测尘盒是否已满。

• 行为模式：

  
  （图片来源网络，侵删）
  1. 直线前进： 机器人沿当前方向直线运动。
  2. 碰撞后转向： 撞到东西后，会后退一小段距离，然后随机向左或向右转一个角度（30°, 60°, 90°）。
  3. 随机性： 这个“转向角度”是随机的，所以它的运动轨迹看起来非常杂乱无章，像是在“Z”字形或“弓”字形地探索空间。

优点

• 实现简单： 算法逻辑非常简单,对计算能力要求极低。
• 对未知环境适应性强： 不需要预先建图，可以进入任何形状的房间，不会被“地图”限制。
• 成本较低： 早期低端机器人主要采用这种方式。

缺点

• 覆盖率低且重复率高： 这是最大的问题，机器人很容易在同一个区域反复清扫，而另一些区域（特别是较大的空旷区域）可能完全漏扫。
• 效率低下： 路径毫无章法，清扫时间很长,电量消耗也很快。
• 路径不可预测： 你永远不知道它下一秒会去哪里，看起来很“笨”。

规划

“规划”是一个更高级的概念，它建立在机器人拥有“环境认知”的基础上，现代主流的规划算法都依赖于SLAM (Simultaneous Localization and Mapping) 技术，即同步定位与地图构建。

核心前提：SLAM建图

机器人一边移动，一边通过激光雷达、视觉摄像头、结构光等传感器扫描周围环境，实时绘制出一张精确的二维或三维地图,它在这张地图上也能准确定位自己的位置。

有了这张“活地图”,规划才成为可能。

常见的规划算法

在拥有地图后,机器人会根据不同的算法来决定清扫路径。

a) 全局规划

• 原理： 在开始清扫前，机器人已经绘制好完整的地图，它会基于这张全局地图，一次性计算出一条覆盖整个区域的“最优”或“次优”路径。
• 经典算法：
  • 弓字形/蛇形清扫： 这是最常见、最高效的路径，机器人像农民耕地一样，来回扫，一排一排地覆盖，它能确保极高的覆盖率，并且路径最短,效率最高。
  • 沿边清扫： 机器人会先沿着房间的边界和障碍物边缘走一圈，确保墙角、家具边角等易积灰的地方被清扫到,然后再进入空旷区域进行弓字形清扫。
• 优点： 覆盖率高、效率高、路径清晰、重复率低。
• 缺点： 依赖高质量的SLAM地图，如果地图不准，规划出来的路径就会有问题，对于动态变化的环境（如移动了家具）,需要重新建图。

b) 局部规划

• 原理： 即使有了全局规划，在清扫过程中也会遇到突发情况，局部规划负责处理这些实时、局部的障碍物和路径调整。
• 工作场景：
  • 动态避障： 清扫时，你突然放了一双拖鞋在房间里，全局规划里没有这个障碍物，局部规划就会启动,让机器人实时绕开它。
  • 路径优化： 机器人可能在执行弓字形清扫时，发现前方有一把椅子，局部规划会计算如何绕过椅子,然后重新回到原来的清扫线上。
  • 覆盖边缘： 当机器人靠近墙壁或家具时，它会使用局部规划算法（如人工势场法），让机器人沿着障碍物边缘走一圈,确保不留死角。
• 优点： 灵活、智能、适应性强。 是实现“真智能清扫”的关键。
• 缺点： 计算量相对较大,需要强大的处理器和传感器支持。

现代扫地机器人的混合策略

现在市面上主流的扫地机器人（如石头、科沃斯、追觅、iRobot Roomba j系列等）早已不使用单一的随机或规划模式，而是采用“混合策略”,将两者优点发挥到极致。

一个典型的清扫流程是这样的：

1. 探索与建图阶段（“随机”的智慧版）：

   • 机器人进入一个陌生房间，它会采用一种受控的随机探索，它不是完全乱撞，而是会优先沿着墙壁和障碍物边缘走，快速勾勒出房间的轮廓，这个过程可以看作是“智能随机”，因为它在为后续的“规划”收集数据。
   • 它会通过LDS或视觉快速扫描,绘制出第一版地图。

2. 全局规划阶段（“规划”的主导）：

   • 地图初步建成后,机器人会停止在充电座或某个位置。
   • 它会进行一次全局路径规划，例如采用“沿边清扫 + 弓字形清扫”的策略,生成一条高效的清扫路线。

3. 执行与动态调整阶段（“规划”与“局部规划”的结合）：

   • 机器人开始按照规划好的路线进行弓字形清扫。
   • 在清扫过程中，局部规划系统全程在线，一旦遇到：
     • 已知障碍物（如桌子腿）： 它会平滑地绕过去,并回到原定路线。
     • 未知障碍物（如你扔的衣服）： 它会停下来，用传感器识别,然后规划出一条新的临时路径绕过去。
     • 地毯： 它会加大吸力。
     • 电量不足： 它会停止当前任务，记录当前位置，返回充电座充电，充完电后，它会从记录的位置继续执行之前的清扫计划,而不是从头开始。

总结对比

“随机规划”是扫地机器人的“石器时代”，而“基于SLAM的规划”是它的“信息时代”，现代扫地机器人早已进化为“战略家 + 战术家”的结合体：

• 战略家（全局规划）： 利用地图制定宏观的、最高效的清扫战略。
• 战术家（局部规划 + 智能探索）： 在执行战略时，灵活处理战场上的突发状况,并不断优化对环境的认知。

当你看到一台扫地机器人看似“随机”地移动时，它很可能不是在乱撞，而是在进行一种“智能探索”,为绘制一张精准的地图和规划一条完美的清扫路线而收集信息。