在所有讲机器人、讲算法、讲硬件工程的科普视频里，Veritasium 的《The Fastest Maze-Solving Competition On Earth》是一条相当特殊的作品：它不谈人形机器人，不谈大模型，只讲一个诞生于1970年代末、至今仍在进化的小众竞赛——Micromouse（微型迷宫机器人）竞赛。一条巴掌大的“机器鼠”，要在完全未知的迷宫里自主探索、建图、规划路线，然后用不到5秒的时间冲过终点。这条视频把算法、控制理论、材料、动力学、竞赛心理揉进了一个只有厨房抽屉大小的舞台里，被许多工程师称为“近年来最好的硬件科普之一”。本文带你完整吸收这条视频的知识脉络——没看过视频，你能读懂全部核心内容；看过视频，你能多懂一层它背后的算法史与工程哲学。
| 项目 | 内容 |
|---|---|
| 视频标题 | The Fastest Maze-Solving Competition On Earth |
| 中文译名 | 地球上最快的迷宫求解竞赛 |
| 频道 | Veritasium（Derek Muller 主理的物理/工程科普频道） |
| 发布时间 | 2024年（据频道页面） |
| 播放量 | 百万级并持续增长（据频道页面，具体数字请以视频页为准） |
| 时长 | 约25分钟（据频道页面） |
| 主题 | Micromouse 迷宫机器人的历史、算法与工程极限 |
视频开场制造了一个极具冲击力的反差：人类顶尖选手解一个视觉迷宫需要几十秒甚至更久，而一台几十克重的四轮小车，在一无所知的迷宫里“看都不看一眼”，几分钟内完成探索后，返程冲刺只要4秒出头——它的轮子几乎是在打滑边缘擦着墙角漂移过弯。这个开场想建立的第一个认知是：Micromouse 不是玩具竞赛，它是自主导航问题的一个极限压缩包。真实世界里自动驾驶要解决的“感知—建图—定位—规划—控制”全链路，在这个4.5厘米格宽的小迷宫里一个都不少，只是被压缩到了极致。
视频花了不少篇幅讲历史，这是它比一般“炫技集锦”深刻的地方。Micromouse 的起源可以追溯到1970年代末：IEEE Spectrum 杂志发起了著名的 "Amazing Micromouse Maze Contest"，邀请工程爱好者造出能自主穿越迷宫的小型机器人。这发生在个人电脑普及之前、微控制器民用化之前——参赛者用的还是当时最原始的单板机和分立元件。比赛在1980年代逐渐制度化，随后日本工程界接棒，把它发展成一门“手艺宗教”，每年举办高水平赛事并代代传承，今天的顶级选手和顶级机器大多出自日本与东南亚（尤其是新加坡）的工程社群。
这里视频埋了一个重要观点：Micromouse 是极少数规则四十多年基本不变、而解法被一代代工程师持续逼近物理极限的竞赛。这让它成了观察“工程进化论”的完美标本——同一个问题，1979年的解法和2024年的解法差距之大，恰好丈量出了整个嵌入式产业五十年的进步。
视频清晰交代了竞赛规则，而这些规则正是理解后续所有技术进化的钥匙：
“探索不计入成绩、冲刺单独计时”这一条规则，是整个竞赛的技术灵魂。它把问题清晰地拆成了两段：信息不够时如何快速建立地图，信息足够后如何逼近物理极限。视频后面的所有精彩内容，几乎都是这两段各自演化出的技术树。
视频梳理了解迷宫算法的三代演进，这是全片知识密度最高的部分之一。
第一代：贴墙法（wall follower）。最朴素的策略是“左手贴墙走到底”。数学上可以证明，对于简单连通迷宫，贴墙法保证能到达目标。但它有两个致命缺陷：一是路径极长，它走的是“拓扑可达性”而不是“最短路径”；二是迷宫中若有环路，贴墙者可能绕圈。它只解决了“能否到达”，没解决“多快到达”。
第二代：洪水填充（flood-fill）。这是现代 Micromouse 的标准算法。思路非常直观：把迷宫想成一片旱地，从目标格开始“灌水”，水每一步向外扩散一圈，给每个格子标注它到终点的距离；机器鼠在任意位置，只需要不断走向“数值更小的相邻格”，就必然走向终点。探索跑中，机器鼠每发现一堵新墙就更新地图、重算洪水量，动态修正对最短路的估计。这个算法在图论里的直系祖先是 Lee 在1961年贝尔实验室发表的连线算法（Lee's algorithm， originally 用于印刷电路板布线），本质上是对迷宫图的广度优先搜索。
第三代：竞速优化。当所有顶尖选手都用上 flood-fill 之后，算法层面趋同，真正的分化出现在更微观的层面：冲刺跑走的最快路径不一定是最短路径——一条转弯少、能拉直的路线，可能比一条更短但拐角密集的路线更快。于是顶级机器鼠会在建图完成后，在“最短”与“最快”之间做显式权衡。这个洞察其实和真实世界的路径规划完全一致：导航软件给你的“距离最短”和“时间最短”路线经常不同。
视频最“燃”的部分，是展示当算法趋同后，竞争如何转移到硬件与控制层面。这一段的信息量极大：
视频的后半段聚焦“half-size”（半尺寸）组别：迷宫格宽从18厘米缩到9厘米，机器鼠体积减半，而成绩反而更疯狂——顶级半尺寸机器鼠的冲刺跑能跑进4秒出头（据赛事公开记录），平均速度和过弯加速度都逼近微型轮胎的物理极限。代表人物是新加坡传奇选手 Ng Beng Kiat（黄明坚），他的机器鼠以极致的机械加工精度和运动控制闻名，多次刷新半尺寸世界纪录。
视频在这里点出了深意：当格宽减半，所有误差都翻倍——同样1毫米的机械偏差，在全尺寸迷宫里无关紧要，在半尺寸里就是撞墙。半尺寸组别的存在，把竞赛从“算法竞赛”彻底变成了“精密制造+控制理论的竞赛”。
Veritasium 的老传统是“科普背后皆有硬学术”，这条视频涉及的理论都可以追溯到真实文献与工程实践：
1. Lee 算法（1961）。洪水填充式迷宫求解与布线的直接源头是 C. Y. Lee 发表于《Bell System Technical Journal》的论文《An Algorithm for Path Connection and Its Applications》。它最初解决的是印刷电路板上两点间的自动布线问题，与 Micromouse 的 flood-fill 是同一思想的两次落地——一软一硬，相隔近二十年。
2. Dijkstra 最短路径算法（1959）。Edsger Dijkstra 发表的经典算法是所有“单源最短路径”问题的理论基石。Micromouse 的 flood-fill 在均匀代价迷宫里退化为 BFS，效果等价于 Dijkstra；但在加权场景下，现代路径规划普遍升级为 Dijkstra 或 A。A 由 Hart、Nilsson 和 Raphael 于1968年在斯坦福研究所（SRI）提出，加入了启发式估计，是“探索效率”与“最优性”的经典折中——机器鼠探索跑时的搜索策略，思想上与 A* 的启发式剪枝一脉相承。
3. PID 控制与航向保持。机器鼠走直线不走歪，靠的是 PID 反馈控制——这个由 Nicolas Minorsky 在1920年代为船舶自动操舵奠基的控制结构（比例—积分—微分三校正项），至今仍是微型机器人运动控制的主力。机器鼠的“直线走不歪+弯道不甩尾”，就是 PID 对速度环、转向环的连续校正。
4. 下压力与轮胎摩擦物理。风扇下压力的物理依据是库仑摩擦模型：最大摩擦力正比于正压力。工程史上最著名的类似案例是1978年布拉汉姆车队的 BT46B "fan car"——它靠车尾大风扇抽真空制造下压力，在F1瑞典站由尼基·劳达夺冠后旋即被禁赛（这段 F1 历史可见 Brabham BT46 的公开资料）。机器鼠装风扇，正是同一物理原理在4厘米尺度上的复活。视频虽未展开 F1 典故，但其技术同构性是理解“为什么小车要装风扇”的最佳参照。
5. MEMS 惯性导航。陀螺仪 + 编码器的组合融合，是微型惯性导航的标准做法：编码器测速快但受打滑污染，陀螺仪测角速度不受打滑影响但有零偏漂移，互补融合才能在几十厘米的迷宫里保持毫米级定位。这一套正是消费级无人机与扫地机器人的底盘技术同源物。
6. 竞赛谱系。从1979年 IEEE Spectrum 的首届比赛，到1980年代英国、日本的制度化推广，再到今天 Japan 的全日本大会与各类国际赛事，Micromouse 形成了完整的工程传承链条。新加坡、日本选手长期统治顶级成绩，也反映了这两个工程社群在精密嵌入式领域的深厚积累。
证据充分的部分：视频对规则、算法（贴墙法、flood-fill）、硬件配置（编码器、陀螺仪、风扇）的描述与 Micromouse 社区公开资料高度一致，属于可交叉验证的扎实内容。flood-fill 作为主流解法的地位没有争议；风扇下压力与对角线跑法在顶级赛事中的存在也有大量比赛影像佐证。
需要注意或打折扣的部分：
其一，“算法已臻完备”的印象值得推敲。视频呈现的演进史容易让人以为 Micromouse 的算法问题“早已解决”，剩下的只是硬件打磨。但严格说，探索策略仍是有优化空间的开放问题：何时停止探索、探索跑与冲刺跑路径如何取舍、部分未知地图下的风险决策（例如选择一条“可能更快但未探明”的路线），本质上是在不确定性下的序贯决策问题，与强化学习中的探索—利用权衡同构。近年已有研究者尝试用学习方法优化调参与探索策略，视频对此几乎没有涉及——这不算错误，但是留白。
其二，对角线跑法的普适性容易被高估。视频展示的对角线冲刺赏心悦目，但它是建立在顶尖机械加工、逐台标定和多年调参之上的“巅峰演出”。社区里绝大多数参赛者仍以可靠的直角走法为主，因为对角线跑法对地面摩擦、轮胎状态、电池电压都极其敏感，失败代价是撞墙出局。视频中它看起来“理所应当”，实际是金字塔尖的技术。
其三，纪录数字的时效性。视频引用的顶尖成绩（如半尺寸4秒级）来自赛事公开记录，而这类纪录在持续刷新。本文沿用“4秒出头（据赛事公开记录）”的口径，具体最新纪录请以各大赛事官网为准。
其四，幸存者偏差。视频聚焦冠军机器，但 Micromouse 对普通爱好者其实相当友好——开源设计、百元级套件在社区大量存在。视频的“极限叙事”可能让部分观众误以为入门门槛极高，这与社区现实不符。
启示一：把“探索”和“冲刺”拆成两个独立考核的阶段。 Micromouse 规则最天才之处，是允许你慢——探索不计成绩，只要你最后冲刺够快。这对应真实工程里的一条铁律：不要在最缺信息的时候追求最优解。做产品、写论文、做技术选型时，先容忍一段“低效的建图期”，把地图建对，再用全部资源冲刺。大多数失败项目的问题不是冲刺不够快，而是在信息只有30%的时候就按冲刺跑法全速狂奔。
启示二：当算法趋同，胜负转移到你意想不到的层面。 所有选手都用 flood-fill 之后，冠军由风扇、轮胎和 PID 参数决定。这个“竞争维度迁移”的规律在各行各业反复上演：当大家的方法论一样时，执行力、材料、工艺这些“不性感”的层面就成了决定性变量。反过来说，如果你发现自己和一个领域里所有高手用的是同一套方法，那么真正的机会不在方法本身，而在方法之下的那一层。
启示三：极限压缩包是最好的学习材料。 Micromouse 之所以是绝佳的机器人入门项目，是因为它把感知、建图、定位、规划、控制全部装进了一个成本几百块、一两周可入门的封闭问题里。想学嵌入式或机器人的人，与其追逐“做一个类人机器人”这种无法收敛的目标，不如找一个自己领域里的"Micromouse"——规则清晰、反馈即时、极限明确的小问题，把它做到逼近极限的过程，就是最完整的工程教育。
flowchart TD
A[1979 IEEE Spectrum 首届 Micromouse 大赛] --> B[规则设计: 自主 + 探索跑/冲刺跑分离]
B --> C[算法层进化]
B --> D[硬件层进化]
C --> C1[贴墙法: 保到达, 不保最短]
C1 --> C2[flood-fill 洪水填充<br/>Lee 1961 布线算法 / BFS]
C2 --> C3[最短路 → 最快路:<br/>减少转弯, 拉直路线]
D --> D1[编码器 + MEMS 陀螺仪<br/>互补定位]
D --> D2[PID 控制: 直线不歪, 弯道不甩]
D --> D3[真空风扇下压力<br/>库仑摩擦: 正压力→抓地力]
C3 --> E[对角线跑法<br/>圆弧切弯, 消灭减速点]
D3 --> E
E --> F[半尺寸组别: 格宽减半, 误差翻倍]
F --> G[顶级成绩: 冲刺跑4秒级<br/>Ng Beng Kiat 等顶尖选手]
G --> H[工程哲学: 探索与冲刺分离<br/>竞争维度迁移, 极限压缩包学习法]
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。