一、问题分析

玻璃幕墙清洁机器人在执行清洁任务时，需要高效且全面地遍历幕墙表面，确保无清洁死角，同时要避免碰撞、重复清洁等问题。深度优先搜索（DFS）算法作为一种经典的图遍历算法，可应用于该场景，通过将幕墙表面划分为网格状的图结构，机器人在节点间移动探索，寻找最优清洁路径。

二、算法原理与应用基础

DFS 算法核心：DFS 基于栈（Stack）数据结构实现，从起始节点开始，沿着一条路径尽可能深地探索，直到无法继续前进时回溯到前一步，再尝试其他未探索的路径分支。对于清洁机器人，起始节点可设定为幕墙左上角等初始停靠位置，机器人每次移动到相邻的未清洁节点，将其压入栈，记录已访问状态，如此反复，直至遍历完所有可达节点。

幕墙建模：将玻璃幕墙表面按照机器人的移动精度与清洁范围划分为二维网格，每个网格单元视为图中的节点，相邻节点间存在边连接，边的权重可根据机器人在不同方向移动的能耗、时间或难度等因素设定，例如水平或垂直移动边权重为 1，斜向移动边权重为 1.4（模拟直角三角形斜边与直角边关系），以此构建出机器人可操作的图模型。

三、路径规划具体步骤

初始化：机器人启动后，首先完成自身状态初始化，包括位置校准至起始节点，传感器扫描范围校准，清空已访问节点记录列表与路径栈，准备开始探索。同时，将起始节点标记为已访问，压入路径栈，启动计时器记录运行时间，为后续能耗、效率分析提供数据。

探索过程：在每个节点，机器人利用自身携带的各类传感器（如距离传感器、视觉传感器）探测周边未访问的相邻节点。优先选择深度最深（即距离起始节点最远的未访问方向）的相邻节点移动，若多个方向深度相同，则可按照预设优先级（如顺时针或逆时针方向优先）选择，移动至新节点后，将其标记为已访问，压入路径栈，更新当前位置信息。若遇到边界节点或障碍物节点（通过传感器数据判断），则触发回溯机制，从路径栈弹出当前节点，回退至前一节点继续探索。

回溯处理：当机器人处于死胡同（所有相邻节点均已访问）或遇到清洁任务完成条件（如所有节点均已标记为已访问）时，开始回溯。回溯过程中，机器人按照路径栈弹出的节点顺序依次返回，同时持续更新自身位置信息，并在必要时调整清洁工具状态（如暂停喷水、旋转刷停止转动等，以节省能耗），直至回到起始节点，完成一次完整的清洁任务遍历。

路径优化：在完成初步的 DFS 遍历后，基于收集的路径数据、能耗数据以及清洁效果反馈（如部分区域清洁残留检测），进行路径优化。可以采用局部调整策略，例如对于频繁回溯导致效率低下的区域，重新规划局部路径，优先选择未充分利用的相邻节点连接，减少路径交叉与重复；或者在全局层面，结合幕墙的对称性、污垢分布概率模型（若可提前获取）等信息，对整体路径进行重新规划，降低总能耗，提高清洁效率。