欢迎来到 2026 捡网球挑战赛测试题目，本题目旨在让各位选手熟悉赛题的同时，进行初次的选拔。

本项目基于 CNB 云原生开发平台，提供了一套python实践环境。 学习者 Fork 本仓库后通过点击 云原生开发 按钮，即可快速进入对应课程的实践环境，进行实时操作和验证，之后提交pr可以上传成绩。

• 场地为二维平面，场地上无障碍
• 一共有10个球，位置随机
• 2个桶，位置固定在角点
• 机器人初始位置固定在底线中点
• 机器人每次只能携带一个球

机器人的动作模式固定为：

当前位置 -> 选择一个球 -> 夹起 -> 选择一个桶 -> 放入 -> 选择下一个球 ...

• 移动距离使用欧式距离 sqrt{x^2 + y^2}
• 总代价 = 所有移动距离之和

将所有球放入桶中，使总代价最小

test_case文件，假设了球的位置、桶的位置、机器人出发位置，如图所示

绿色：球
红色：桶
黄色：机器人出发点

可以在项目根目录运行命令查看结果

python3 src/run_all_test.py

在src/student_code.py下，当前已经实现了最简单的路径规划程序，（假设所有的球都放到1号桶中）

返回捡球的顺序和放入桶的编号的序列

    def plan(self):
        """
        // TODO: 请在此处实现你的路径规划逻辑
        目标：使总路径最短。
        当前约束：载重为 1。
        """
        # 这是一个待优化的占位逻辑（按索引顺序）
        path = []
        for i in range(len(self.balls)):
            # 逻辑提示：
            # 1. 选择下一个要捡的球 i
            # 2. 选择送往 0 号桶还是 1 号桶
            path.append((i, 1))
        return path

在test_case.json中的 target_score 字段表示为标准路径长度，即为在贪心算法做路径规划下的路径长度

通过实现算法，使得在不同测试项下的路径长度都小于或等于标准路径长度，但要求至少有一项小于标准路径长度。

例如： 用例1的 1261.75，为标准路径长度，最后输出的“与标杆差距”的数值要为负数或0
用例2的 1508.76，为标准路径长度，最后输出的“与标杆差距”的数值要为负数或0
用例3的 1079.08，为标准路径长度，最后输出的“与标杆差距”的数值要为负数或0
但是不能三项都为0，至少有一个用例的“与标杆差距”的数值要为负数

在实际比赛中，球的摆放位置更随机，机器人的执行上也可能会不及预期，这种条件下如何提升算法的鲁棒性？ 可以将规划的路径生成图像更便于理解