问题描述：
激光 SLAM、探索点决策、运动规划这三个最常见的算法是什么呢？这三个算法是如何实现每个目标的呢？
问题解答：
1）激光 SLAM（最简单理解版）：拿“这一眼”去对齐“脑内地图”
用人的比喻：你在黑房子里拿手电走路
你一个人在黑暗建筑里走，手里一束手电。
你往前照一下，会看到“前面是墙/走廊/拐角”的形状
你脑子里已经有一张粗糙的草图（之前照过几次形成的）
最简单的 SLAM（scan matching）做的事就是：
我现在这次手电照到的形状，放到脑子里的草图里，挪一挪、转一转，看怎么摆放最“贴合”。
具体怎么“挪一挪、转一转”？
想象你手里有一张透明胶片，上面画着你刚刚看到的轮廓（这一帧激光）。
你把它叠到你之前画的地图上：
先猜一个位置（比如根据你“走了两步”的感觉）
然后做小范围尝试：
向左挪一点、向右挪一点
顺时针转一点、逆时针转一点
每试一次，就算“贴合程度”：
如果轮廓落在“墙的位置”上很多 → 很好
如果轮廓落在“空地”上很多 → 不好
找到贴合程度最高的那个摆法
👉 这就是“你现在的位置和朝向”
这个算法最终输出什么？
就两个东西：
我在哪（位置+朝向）
我看到哪里是墙（把这次看到的墙补进地图）
你为什么会觉得抽象？
因为论文里叫“scan matching / 位姿估计 / 地图更新”，
但人话就是：
我用这一眼去对齐我之前的草图，从而知道自己在哪；然后把新看到的补上去。
2）探索点决策（最简单算法）：Frontier 前沿法 = 去“已知/未知的边界”
用人的比喻：你探索房子时，总会去哪里？
你脑子里现在有一张草图：有些地方你看清了（已知），有些地方还是黑的（未知）。
这时你会怎么选下一步？
你几乎一定会选这种地方：
站在“我看清的地方”的边缘，往黑暗里再照一下。
因为：
你站在已知区域内部照来照去，看到的还是已知
你跑去完全未知区域，不安全也走不到
最合理的是：
✅ 去“已知和未知交界的边界线”——那里最可能一照就获得新信息
这条“交界线”就是 Frontier（前沿）。
Frontier 算法最简单版本怎么做？
把地图想象成棋盘格：
白格：你确认能走（空地）
黑格：你确认不能走（墙）
灰格：你还不知道（未知）
Frontier = 满足两个条件的格子：
它是白格（已知空地，说明能站上去）
它旁边挨着灰格（未知区域）
算法步骤（最简单）：
扫描整张棋盘，找所有“白格且邻居有灰格”的点 → 这些点就是候选前沿点
从这些候选点里选一个最简单的策略：
选最近的那个前沿点（离你最近，最省力）
它输出什么？
一个“下一步要去的位置”（目标点）
人话总结：
探索点决策就是：别在已知区域里原地打转，去已知的边缘，那里一迈步就能看到新东西。
3）运动规划（最简单算法）：A* 在格子地图上找路
你现在已经决定了：
“我要去那个前沿点（边界处）”。
那怎么走？
A* 就是：在棋盘格上，从起点走到终点，避开墙格，找代价最小的路线（通常就是最短）。
人话：
像走迷宫：每次都优先走“看起来更接近目标”的方向，但又保证不会走进死路。
把整个闭环用 10 秒比喻串起来（你记这个就够了）
你一个人在黑屋探索：
SLAM（对齐这一眼）：我拿手电照到的轮廓，和我脑内草图对齐 → 我知道我现在站哪，并把新看到的补进草图
前沿法（选边界）：我去“已知/未知交界”的地方，因为那里最可能一照就获得新信息
A*（找路过去）：在我已知的地面上找一条不撞墙的路走到那个边界点
然后继续循环。
