# 最小局部可见导航实验

依赖：Python >=3.9 标准库，无需第三方包、GPU、网络或权重。本次实际运行 Python 3.9.6 CPU。

从文章目录运行：

```bash
PYTHONPYCACHEPREFIX=/private/tmp/codex-ai-073-cache python3 -m py_compile code/minimal_agent.py code/audit_trajectories.py
python3 code/minimal_agent.py
python3 code/audit_trajectories.py
```

主程序默认重建 code/results/；`--out /private/tmp/agent073-replay` 可另存。审计默认读取 code/results/。源数据 maps.json 已保存；复算应优先读取快照，跨 Python 版本随机算法一致性不做保证。

- 状态：9×9 字符地图、绝对位置、已知目标坐标；外部步数限制另行计数。
- 观测：position [2]、goal [2]、patch [3,3]。patch 的 0/1/2 分别为空地/墙/目标；轴为 [y,x]。中心局部窗口，无视线遮挡建模，也不是 RGB 图像。
- 动作：0/1/2/3 = 北/东/南/西；撞墙留在原处，仍计入预算。不是 MiniGrid 的旋转/前進/拾取等七动作。
- 奖励：到达目标 +1，每步 -.01，撞墙额外 -.05；未训练，不以该回报选择策略。
- 标志：到达目标 terminated；t>=H 时 truncated，两者可以同时为真。结束后再次 step 会拒绝。
- 地图：深度优先挖通9×9迷宫，31个可通行格；起点(1,1)；目标从最短路>=8的奇数坐标格按同一地图 RNG 采样。按纯地图 SHA256 去重，不以结果筛选。
- 开发种子从73起取5张唯一地图，仅保留供后续开发，本次不调参。测试种子从100起取30张唯一地图；实际拒绝101/121/122/123/130，最终到134。地图原始字符和目标均在 maps.json。
- 策略：random 均匀随机四动作，种子73000+地图种子；memory 累积局部格子与访问集合，用 BFS 到已知目标或最近未访问格；memory_reset 每次决策清空这两项，复用同一选择算法；oracle 使用全图最短路，仅为特权诊断。
- 最近目标平局：路径长度、到已知任务目标的曼哈顿距离、y、x。BFS邻居顺序北东南西。没有训练权重或学习曲线。
- 预算16/32/64、四策略、30测试图，共360回合；短长预算共用动作前缀。

`episodes.jsonl` 每行一回合，包含逐步观测、动作、下步观测、reward、collision、terminated、truncated，以及路径与回报汇总。地图为评测器特权数据，普通 Policy.act 仅接收观测；没有将 World/info 对象传给策略。Python 对象隔离不是安全沙箱。

SPL 的实际路径计成功移动格数；action_efficiency 是本文另定义的动作预算效率（分母含碰撞）。成功率/SPL/回报/每回合碰撞率按30张地图宏平均，steps列包含失败。无置信区间；同一地图不同预算不应视为独立数据。政策只有一组固定随机种子，不代表随机策略总体期望。

`audit_trajectories.py` 不导入主程序，用距离松弛独立计算最短路，再逐步重演状态、两端观测和奖励，复算84个聚合指标并核对240组预算前缀。

与官方资料的关系：借鉴 MiniGrid 的局部观测设计和 Gymnasium 五元组约定；没有执行 MiniGrid、DoorKey、RL/LLM、真实机器人或论文基准。官方源码仅静态阅读固定v3.0.0标签，迁移时依赖、动作空间、奖励与观测兼容性待人工核验。