做一台带 LSRB 路线记忆的线迷宫求解机器人

循迹车只是跟随，线迷宫求解器却要做决定。这就是本项目要跨越的全部一步，而且它比看上去要大：机器人不再是一个带轮子的控制回路，而变成了会去探索从未见过的环境、记住自己发现了什么、并据此行动的东西。

诀窍在于，这些东西一样都没有替换循迹车——它是在循迹车之上搭起来的。底下还是那套反射阵列和那个 PID 回路，负责让机器人保持在胶带中线上，对迷宫一无所知。上面是一层很薄的决策层，负责盯住线路分岔的瞬间，判断遇到的是哪种路口，选定一个方向，并记下一个字符。正是这种分层让项目变得可做，而真实机器人在任何地方用的都是同一个两层划分。

所以制作顺序比平时更要紧。你得先让单纯的循迹真正稳定下来——先在模拟器里调，再在用真胶带贴成的大椭圆上跑——之后才加路口。跳过这份纪律，那么每一个机械问题、每一次标定漂移、每一只偏了 2 mm 的轮子都会伪装成迷宫求解的缺陷冒出来。

下面的技术树请从上往下走。每个节点在前置条件完成后解锁，你的进度会保存在这台设备上，因此可以用一个周末做完这台机器人，而不会丢掉进度。

物料清单

合计大约 $35–45。八通道阵列是唯一不该省钱的部件，原因很具体：机器人判断出现了左岔，靠的是发现最外侧的左侧传感器变黑，而中间传感器仍然压在线上。宽度只比胶带宽出一点的阵列在物理上看不到这一点，于是路口检测就变成了猜谜，代码写得再好也没用。

为什么阵列必须比线宽

   left branch                    array (8 channels, ~60 mm wide)
   ────────────────┐          [ x x x . . . . . ]   outer left dark -> a branch
                   │
   ════════════════╪═══════   [ . . . x x . . . ]   centre still on the line
                   │

经验法则：阵列宽度应当至少是胶带宽度的三倍。对 19 mm 胶带来说约等于 60 mm，而 8 mm 间距的八通道阵列正好是这个宽度。再窄一些，机器人就分不清“线急弯”和“线分岔”，而这正是整个项目赖以成立的核心判断。

按里程碑来做

这里的制作顺序比本站任何一个其他项目都更重要。迷宫求解器就是一个加了决策层的循迹车，而循迹部分出现的每一个机械或标定故障，都会伪装成迷宫求解的缺陷再冒出来。

里程碑 1 没有商量余地。“基本上能跟线”会变成“偶尔凭空造出一个路口”，然后你会花一个晚上去调路径化简，而真正的故障其实是一只偏了 2 mm 的轮子。

**里程碑 2 是大家会跳过的那一个。**迷宫求解器一趟要执行几百次转弯，而一个每次都少转 5° 的转弯会不断累积，直到机器人彻底脱线。这正是减速箱背隙暴露的地方——误差会随方向改变符号的，是机械问题，不是调参问题。

代码里的两层划分

让这个项目变得可做的那个分层，值得显式看一遍：

             ┌─────────────────────────────────────┐
   decision  │  classify junction -> choose turn   │   runs only at junctions
     layer   │  record a character -> simplify     │   knows nothing about PWM
             └──────────────────┬──────────────────┘
                                │ "turn left" / "keep going"
             ┌──────────────────▼──────────────────┐
   following │  read array -> position -> PID      │   runs every loop, ~200 Hz
     layer   │  -> left and right wheel speeds     │   knows nothing about mazes
             └─────────────────────────────────────┘

下面那层永远不会学到迷宫是什么。上面那层永远不碰电机。出了问题时，这条边界会告诉你该查哪一半——如果你说不清一个问题住在哪一半，那说明这两层并没有分好。

做到什么程度算好

路口准确率确实是全有或全无的，这一点常常让人意外。一个路口读错就会污染记录下来的字符串，化简器随后会给出一条看起来合法但其实错误的路径，然后回跑就自信地一头撞进墙里。没有部分得分——这也正是为什么探索要慢慢跑，而时间要从回跑那里赚回来。

故障排查

接下来可以往哪走

**加上编码器，按距离转弯而不是按时间。**定时转弯是第一台迷宫求解器最大的不可靠来源，因为所需时间会随电池电压和地面而变。基于编码器的转弯不会。

转向墙式迷宫——也就是微型迷宫鼠——它用墙取代胶带，用洪水填充取代 LSRB 规则。那才是真正更大的一步：LSRB 是一种沿墙走的启发式算法，能找到一条路，而洪水填充算出的是最短的那条，并且会随着新墙被发现而重新规划。

**优化回跑。**一旦路径已知，就没有任何决策要做了，机器人可以在直线上加速，只在转弯前减速。在已知路线上套一条运动曲线，明显的时间提升就来自这里——往往能把回跑时间砍掉一半。