自主导航模拟 erchandkujra-ai/AI-Autonomous-Navigation-System

🤖 AI 自主导航系统

用 A* 寻路算法、Python、Pygame 和 NumPy 做的 2D 自主机器人导航模拟。机器人在网格里行走，绕开障碍物，从起点找到通往终点的路径。

🚀 功能

- A* 路径规划： 在网格中找出最短路径。
- 2D 网格模拟： 把机器人所处的环境画出来。
- 避障： 阻止机器人穿过被占用的格子。
- 机器人动画： 展示机器人沿算出的路径移动。
- 交互控制： 暂停、继续、重置、退出。
- 路径结果： 把导航步骤存成 CSV 文件。

🛠️ 用到的技术

- Python
- Pygame
- NumPy
- Matplotlib（可选，用于额外可视化）

📁 项目结构

AI-Autonomous-Navigation-System/
├── main.py
├── requirements.txt
├── README.md
├── src/
│ ├── __init__.py
│ ├── planner.py
│ └── simulation.py
├── tests/
│ └── test_planner.py
└── outputs/
└── results.csv

💻 安装

1. 克隆仓库

git clone YOUR_GITHUB_REPOSITORY_URL
cd AI-Autonomous-Navigation-System

把 YOUR_GITHUB_REPOSITORY_URL 换成你实际的 GitHub 仓库 URL。

2. 创建虚拟环境

Windows PowerShell：

python -m venv .venv
.venv\Scripts\Activate.ps1

3. 安装依赖

python -m pip install -r requirements.txt

如果 requirements.txt 里没列出这些包，就用下面这条命令安装：

python -m pip install pygame numpy matplotlib

▶️ 运行模拟

在项目根目录下运行：

python main.py

会弹出一个 Pygame 窗口，显示 2D 网格、障碍物、起点、终点、规划出的路径，以及移动中的机器人。

🎮 控制

| 按键 | 操作 |
| SPACE | 暂停或继续 |
| R | 把机器人重置回起点 |
| ESC | 退出模拟 |

🧠 工作原理

1. 环境用 2D 网格表示。
2. 空闲格子标记为 0；障碍物标记为 1。
3. A* 算法探索相邻格子。
4. 用曼哈顿距离启发式估算到终点还剩多远。
5. 如果终点可达，算法返回一条路径。
6. 模拟让机器人沿这条路径动起来。
7. 导航步骤保存到 outputs/results.csv。

📊 结果

模拟会报告算出的路径有多少步，并把路径坐标存进 CSV 文件。

想展示这个项目，就把运行模拟的截图放进 outputs/screenshots/ 文件夹，然后在这里链接出来。

🧪 运行测试

如果存在 tests/test_planner.py 测试文件，运行：

python -m unittest discover -s tests -v

🔮 后续改进

- 动态避障
- 斜向移动
- Dijkstra 与 BFS 算法对比
- 机器人传感器模拟
- 实时重新规划路径
- 性能图表与指标

👨💻 作者

ER.CHNAD KUJRA
AI 自主导航系统——一个基于 Python 的项目，演示网格机器人导航与 A* 路径规划。

📄 许可证

本项目可用于教学与作品集展示。如果你想明确正式的重用与分发条款，请添加许可证文件。