迷宫求解机器人模拟器：洪水填充规划

控件

选一种模式——先探索、再快速跑或者只快速跑——然后按开始看它求解， 或者按单步一次走一步。新迷宫会构建一个全新的随机迷宫；重置重播同一个。 三档速度、键盘快捷键和全屏让运行始终可控。粗线是迷宫的墙， 阴影走廊是机器人探索过的所有地方（包含死胡同），而那条粗线 是洪水填充找到的最短路径。

原理

栅格迷宫就是由开放的边连接起来的格子，其余部分由墙隔开。 要找出最短路线，机器人必须先知道这个迷宫——所以这个实验台分两个阶段运行。

**探索。**机器人按左手法则深度优先地走迷宫：在每个路口，能左转就左转， 否则直行，然后再右。撞到死胡同时，它回溯到上一个路口并走下一个分支。 把这个过程重复到所有格子都被访问过，就建出了整张地图—— 包括所有它必须排除掉的错误路径。

**优化。**地图建完之后，一次洪水填充给目标赋予距离零， 并通过每一条开放的边向外传播递增的数值。现在每个格子都持有它到目标的距离， 于是最短路径就是这样：从起点出发，总是走向一个数值小一的邻居。 机器人快速跑完那条路径——比漫无目的的探索短得多。

算法

1. 按左手法则深度优先探索迷宫，从每个死胡同掉头出来，直到所有格子都被访问过。
2. 把每一条开放的边在两侧都记录下来，好让建好的地图知道每一堵墙。
3. 从目标开始做洪水填充：把它标为 0，并通过每一条开放的边向外传播递增的距离。
4. 从这个场上读出最短路径：从起点出发，反复走向一个距离小一的邻居。
5. 快速跑那条路径到目标。
6. 把探索长度和最短路径长度作比较，看看建图省下了多少漫无目的。

源代码

把探索、建图、规划和运动保持为彼此独立的函数：

// Phase 1 — map the whole maze, backtracking out of dead ends
exploreDepthFirst(map, robot);        // left-hand rule until every cell is visited

// Phase 2 — flood-fill the finished map and run the shortest path
map.floodFill(goal);                  // goal = 0, distances ripple outward
for (Cell c = start; c != goal; c = map.lowerNeighbor(c))
  robot.driveTo(c);                   // always step one distance lower

有了这道边界，同一个规划器就能在这个浏览器实验台上、在桌面机上、 以及在最终的 ESP32 控制器上被测试。

假设与硬件差异

实验台通过去掉真实 Micromouse 中最难的部分——里程计——让建图变得干净。 模拟机器人每步精确走一格，没有轮子打滑、没有陀螺偏置、没有 90° 转弯误差， 而它的三个测距传感器完美地报告墙，没有误报。一台实物的 ESP32 作品 每走一步都会累积航向和距离误差，必须靠墙重新对齐， 还必须对 ToF 读数做滤波以对抗阳光和电源压降——这正是 精确转弯教程和 洪水填充指南在运动上花的时间比在规划上 更多的原因。请用这个模拟器去理解洪水填充为什么会重新规划， 而不是去证明你的运动层。

电路图

使用一个按电机堵转电流选型的外部稳压器。即使电机换向， ESP32 和传感器也需要一条稳定的逻辑电源轨。