概述：Veritasium 是全球最顶级的科学影像频道之一，主理人 Derek Muller 拥有物理教育博士学位，最擅长把一个冷门领域拍成让人停不下来的工程史诗。本期要深读的这条视频《The Fastest Maze-Solving Competition On Earth》（地球上最快的解迷宫大赛），把镜头对准了一个鲜为人知却已办了四十多年的国际赛事——全日本 Micromouse（微电脑鼠）大赛。视频上线后迅速成为爆款，据频道页面显示播放量已达千万级。它表面讲“机器老鼠跑迷宫”，实际浓缩了搜索算法、控制理论、流体力学和半个世纪的硬件工程史。本文带你逐层拆解：没看过视频的读者能借此完整吸收其知识内核；看过的读者能多懂一层——这些招式在真实世界里的学名、来历与边界。
| 项目 | 内容 |
|---|---|
| 视频标题 | The Fastest Maze-Solving Competition On Earth |
| 中文译名 | 地球上最快的解迷宫大赛 |
| 频道 | Veritasium（主理人 Derek Muller，订阅量超千万，据频道页面） |
| 发布时间 | 2023年9月（据频道页面，未二次核实） |
| 播放量 | 千万级（据频道页面，未经实时核实） |
| 片长 | 约30分钟的深度纪录片式解读 |
说明：以上热度数据以频道页面实时显示为准。本文重点在于知识内容的拆解与溯源，而非数据本身的时效性。
视频从历史讲起：1977年，《IEEE Spectrum》杂志发起了一场名为“神奇小鼠”（Amazing Micromouse）的竞赛——造一只“机器老鼠”，自己走出迷宫。据当年杂志报道，这项赛事吸引了数千名爱好者报名，1979年在纽约举办了首届决赛。此后赛事几经沉浮，最终在日本发扬光大：全日本 Micromouse 大赛至今连续举办四十余年，成为这个领域规格最高的比赛。视频的高明之处在于，它没有把比赛拍成“极客自嗨”，而是拍成了“一台机器如何被五十年时间反复打磨”的编年史——你看到的每一只冠军鼠，都踩着前几十年失败者的尸体。
Micromouse 的规则设计是全片最有戏剧张力的部分。标准赛场是一个 16×16 的方格迷宫，每个格子约18厘米见方，机器鼠从一角出发，目标是走到中心区域。关键在于：迷宫图纸赛前保密，机器鼠第一次进迷宫时，并不认识这张地图。
于是比赛被天然切成两个阶段：探索跑（search run）——机器鼠慢速前进，边走边用红外传感器感知墙壁、在内部记忆里建图，摸清通往终点的路；冲刺跑（speed run）——回到起点后，机器鼠沿着已建好的地图全速冲向终点，这一趟只比拼速度。两条成绩分开记录。这个“先摸图、再冲刺”的结构，是整条视频一切技术内容的舞台：探索阶段比的是算法，冲刺阶段比的是硬件。
视频用很直观的方式对比了两代解迷宫思路。
第一代是贴墙走法（wall following）：永远让一只“手”扶着墙走。它简单、可靠，但有两个致命伤——在带环路的迷宫里会陷入死循环；即使成功，走的也往往是最绕的路。
第二代是洪水填充算法（flood fill），视频的主角。原理可以用一句话讲清：从终点开始“灌水”，每向外扩展一圈，该格子的数值就加一，直到淹没整个迷宫。这样每个格子都获得一个数字——“离终点还需要几步”。机器鼠在探索时每走到一个格子，只需要不断选择走向“数字更小”的相邻格子，就必然抵达终点；探索完成后，沿着数值单调递减的路径冲刺，就是最短路线。
视频通过冠军选手的现场对比让观众看到：在同样的迷宫里，贴墙走法可能要走几十秒绕远路，而洪水填充策略配合冲刺跑能把全程压进个位数秒级（据赛事报道）。
这是全片最反直觉、也最值得细品的主张。当算法层面大家都是洪水填充之后，胜负的天平完全倒向硬件。视频重点呈现了新加坡选手黄明吉（Ng Beng Kiat）等顶尖名匠的机器鼠（据视频画面）：这些只有巴掌大的小车装满了工程智慧——
一句话总结：算法把老鼠带出迷宫，硬件把成绩从“分钟”卷进“秒”。
视频的收尾是时间维度上的震撼：1979年首届比赛的冠军鼠走得磕磕绊绊、耗时以分钟计；而今天顶尖机器鼠的冲刺跑已经稳定进入个位数秒级（据赛事报道）。四十五年，成绩提升了一到两个数量级。而且这不是靠某个天才的一次性发明，而是传感器、电机、电池、材料、算法的螺旋接力。Derek 在片中给出的结论颇具哲学味：这场比赛最好的地方在于，它把“聪明的算法”和“极致的工程”放进同一条跑道，让所有参赛者必须两个都懂。
洪水填充 = Lee 算法 / 广度优先搜索。 视频中演示的灌水思想，学术源头通常追溯到1961年 C. Y. Lee 发表的经典论文《An Algorithm for Path Connection and Its Applications》（发表于 IRE Transactions on Electronic Computers），最初用于印刷电路板的走线布线，因此也叫“迷宫布线算法”。它与图论中的广度优先搜索（BFS）同构：在边权相等的前提下，BFS 第一次到达某格所用的步数就是最短步数——这正是洪水填充数值的正确性来源。而“每步走向数值更小的邻格”，本质上是价值迭代（value iteration）思想在网格世界上的实例，也是强化学习教材里最常见的入门图景。
更聪明的搜索还有 A*。 1968年 Hart、Nilsson 和 Raphael 提出的 A* 算法，在 BFS 基础上加入启发式估计（比如曼哈顿距离），可以少探索很多格子。有趣的是，在 Micromouse 顶尖选手的实践中，洪水填充依然是主流——因为它的鲁棒性和实现简单性在“边探索边更新”的场景里比激进算法更值钱。这一点视频里点到为止，实际工程界讨论很深。
速度曲线与姿态控制 = PID 控制。 机器鼠的直线保持与弯道规划，核心是比例-积分-微分控制。这一方法的源头是1922年 Nicholas Minorsky 关于船舶自动舵的研究，是控制理论里最古老、应用最广的工具。冠军鼠的“漂移过弯”，就是陀螺仪反馈加上 PID 调校出来的速度与转向闭环。
负压吸附 = 流体力学中的压差原理。 风扇高速排出空气，机身下方形成低压区，外界大气压把车身压向地面——这与 F1 赛车地面效应（ground effect）的原理同源，伯努利方程给出了定量描述。用“吸”代替“压”，是这个体重只有几十克的玩具级载具最聪明的增抓地方案。
赛事模式的镜像 = 越野无人车挑战赛。 “先探索建图、再全速执行”的模式，让人想起2005年斯坦福大学 Sebastian Thrun 团队的无人车“斯坦利”赢得美国越野无人车挑战赛的故事——先感知与建图，再规划与执行，这套“感知—建图—规划—控制”的分层架构，至今仍是机器人学的标准范式。
证据充分的部分。 规则、算法原理、硬件细节都有赛事官方文档和几十年公开资料背书；Lee 算法、A*、PID 的学术脉络清晰可查；冠军选手和机器鼠均为真实人物与设备，可在赛事页面交叉印证。这部分内容经得起推敲。
需要打折扣的部分。 首先是标题里的"Fastest"——地球最快解迷宫大赛，这是一个修辞而非严格论证。就“解迷宫”这个抽象问题而言，已知地图时 A* 等算法的搜索效率更高，而现实中的仓储机器人、无人机的导航速度也远超机器鼠；Micromouse 的“最快”只是在特定规则（尺寸受限、迷宫未知、16×16 网格）下的最快。视频并未声明范围，观众容易产生“这就是解迷宫的天花板”的误读。
其次，视频对“算法与硬件谁更重要”的呈现略有摇摆。从叙事看它把两者并重，但冠军访谈的实质信息是：当所有强队都用洪水填充时，算法已经“毕业”，竞争全在硬件与调校。这其实是一个“算法做到80分之后，剩下20分全靠工程”的故事——视频没有明确挑明这个结论，留给观众自己拼。
最后，秒级成绩的数字在不同场次、不同迷宫下差异很大，视频展示的高光成绩不能直接外推为“普遍水平”。对视频中出现的具体纪录数字，本文不做精确引用，以赛事官方页面为准。
第一，把“探索跑”和“冲刺跑”分开。 我们面对陌生问题时最常见的错误，是希望一遍跑通：边摸情况边全力输出。机器鼠的规则设计恰恰相反——第一遍允许慢，允许犯错，目标是把地图画准；第二遍才全速。做技术调研、写方案、接手陌生系统时，主动给自己安排一次“慢速探索跑”：先允许低效地把全图摸清，再谈优化。探索阶段的绕路不是浪费，是冲刺阶段的燃料。
第二，学会“给格子标数字”。 洪水填充的精髓是从目标反向灌水，让每个位置都知道自己“离目标还有多远”。迁移到现实决策：与其纠结下一步走哪条路，不如先定义清楚“终点”，再评估每个选项与终点的距离，然后永远走向距离更小的那一格。这套朴素的价值迭代思维，可以用于学习路线规划、项目里程碑拆解，甚至职业选择——它不保证每一步都好看，但保证每一步都在缩短距离。
第三，算法毕业之后，赢在硬件。 当所有人都掌握了同一套聪明方法，竞争就转向那些“笨重”的部分：执行的速度、设备的精度、调校的耐心。对个人与团队同样成立——方法论红利会迅速平摊，而把一个方法跑到极限的工程能力（工具链、数据、肌肉记忆）才是别人抄不走的护城河。
flowchart TD
A[未知迷宫 16乘16] --> B[第一阶段 探索建图]
B --> C[贴墙走法]
C --> D{迷宫有无环路}
D -- 有 --> E[死循环 卡死]
D -- 无 --> F[可行但绕路]
B --> G[洪水填充算法]
G --> H[每格标注到终点步数]
H --> I[每步走向更小的格子]
I --> J[收敛到最短路径]
J --> K[第二阶段 全速冲刺]
K --> L[负压风扇吸地]
L --> M[陀螺仪修正姿态]
M --> N[速度曲线漂移过弯]
N --> O[个位数秒完赛]
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。