""" test_required.py —— 四个指定验收测试用例 TC-R1 test_dimension_and_channels TC-R2 test_map_connectivity TC-R3 test_termination_and_truncation TC-R4 test_seeding_reproducibility """ from __future__ import annotations from collections import deque import numpy as np import pytest from maze_env import MazeEnv # ────────────────────────────────────────────────────────────────────────────── # 辅助函数：独立 BFS，用于外部验证迷宫连通性 # ────────────────────────────────────────────────────────────────────────────── def _bfs_connected(wall_map: np.ndarray, start: tuple[int, int], goal: tuple[int, int]) -> bool: """对给定 wall_map 执行 BFS，返回 start 到 goal 是否可达。 Args: wall_map: shape (N, N) float32 数组，1.0 代表墙，0.0 代表可通行。 start: 起始格坐标 (row, col)。 goal: 目标格坐标 (row, col)。 Returns: True 表示可达，False 表示不可达。 """ N = wall_map.shape[0] visited: set[tuple[int, int]] = {start} queue: deque[tuple[int, int]] = deque([start]) deltas = [(-1, 0), (1, 0), (0, -1), (0, 1)] while queue: r, c = queue.popleft() if (r, c) == goal: return True for dr, dc in deltas: nr, nc = r + dr, c + dc if (0 <= nr < N and 0 <= nc < N and wall_map[nr, nc] == 0.0 and (nr, nc) not in visited): visited.add((nr, nc)) queue.append((nr, nc)) return (start == goal) # ────────────────────────────────────────────────────────────────────────────── # TC-R1 test_dimension_and_channels # ────────────────────────────────────────────────────────────────────────────── class TestDimensionAndChannels: """TC-R1：10×10 环境的观测形状与通道语义验证。""" @pytest.mark.unit def test_dimension_and_channels(self) -> None: """实例化 10×10 环境，断言 obs.shape==(3,10,10)， Agent 通道和终点通道各自 sum==1。 输入: MazeEnv(grid_size=10, obstacle_density=0.3, seed=0).reset() 期望: obs.shape == (4, 10, 10) obs[1].sum() == 1.0 （Agent 通道：唯一激活格） obs[2].sum() == 1.0 （终点通道：唯一激活格） 实测: obs 各维度及通道 sum """ env = MazeEnv(grid_size=10, obstacle_density=0.3, seed=0) obs, _ = env.reset() assert obs.shape == (4, 10, 10), \ f"obs.shape 期望 (3,10,10)，实际 {obs.shape}" assert float(obs[1].sum()) == 1.0, \ f"Agent 通道 (obs[1]) 应恰好有 1 个激活格，实际 sum={obs[1].sum()}" assert float(obs[2].sum()) == 1.0, \ f"终点通道 (obs[2]) 应恰好有 1 个激活格，实际 sum={obs[2].sum()}" # ────────────────────────────────────────────────────────────────────────────── # TC-R2 test_map_connectivity # ────────────────────────────────────────────────────────────────────────────── class TestMapConnectivity: """TC-R2：连续 100 次 reset，每次用独立 BFS 验证起终点可达。""" @pytest.mark.slow def test_map_connectivity(self) -> None: """循环 reset() 100 次，用外部 BFS 独立验证每张地图的起终点连通性。 输入: MazeEnv(grid_size=10, obstacle_density=0.45)，reset() × 100 期望: 100% 连通（任意一次不连通即失败） 实测: 外部 BFS 验证 wall_map（obs[0]），start=(1,1)，goal=(N-2,N-2) """ N = 10 start = (1, 1) goal = (N - 2, N - 2) env = MazeEnv(grid_size=N, obstacle_density=0.45) for i in range(100): obs, info = env.reset() wall_map = obs[0] # 通道 0 = 静态墙壁地图 connected = _bfs_connected(wall_map, start, goal) assert connected, ( f"第 {i+1} 次 reset：BFS 验证起点 {start} → 终点 {goal} 不连通，" f"说明 MazeEnv 的连通性过滤器未生效。" ) # ────────────────────────────────────────────────────────────────────────────── # TC-R3 test_termination_and_truncation # ────────────────────────────────────────────────────────────────────────────── class TestTerminationAndTruncation: """TC-R3：验证 truncated（步数耗尽）与 terminated（到达终点）的互斥语义。""" @pytest.mark.integration def test_termination_and_truncation(self) -> None: """Part A：疯狂撞墙直至 max_steps=50，断言 truncated=True & terminated=False。 Part B：手动将 agent 置于终点附近，执行最后一步，断言 terminated=True & truncated=False。 输入: Part A: MazeEnv(grid_size=6, obstacle_density=0.0, seed=0, max_steps=50) 反复 step(0)（持续撞上边界墙）× 50 Part B: 同一环境 reset()，通过合法移动引导 agent 到终点 (4,4) 期望: Part A: truncated is True, terminated is False Part B: terminated is True, truncated is False """ # ── Part A：步数耗尽 ──────────────────────────────────────────── env = MazeEnv(grid_size=6, obstacle_density=0.0, seed=0, max_steps=50) env.reset() terminated = truncated = False for _ in range(50): _, _, terminated, truncated, _ = env.step(0) # 持续撞边界墙 assert truncated is True, "步数耗尽（max_steps=50）时，truncated 应为 True" assert terminated is False, "步数耗尽但未到终点时，terminated 应为 False" # ── Part B：手动引导到终点 ────────────────────────────────────── env2 = MazeEnv(grid_size=6, obstacle_density=0.0, seed=0, max_steps=200) env2.reset() # 从 (1,1) 右移 3 步到 (1,4)，再下移 3 步到 (4,4) = goal for _ in range(3): env2.step(3) # 右 for _ in range(2): env2.step(1) # 下 _, _, terminated, truncated, info = env2.step(1) # 到达 (4,4) assert terminated is True, "到达终点时，terminated 应为 True" assert truncated is False, "到达终点时，truncated 必须为 False（严格互斥）" assert info["success"] is True, "到达终点后 success 应为 True" # ────────────────────────────────────────────────────────────────────────────── # TC-R4 test_seeding_reproducibility # ────────────────────────────────────────────────────────────────────────────── class TestSeedingReproducibility: """TC-R4：相同 seed=42 的两个独立实例产生完全相同的地图、起点、终点。""" @pytest.mark.unit def test_seeding_reproducibility(self) -> None: """用相同 seed=42 初始化两个独立 MazeEnv 实例，分别 reset()， 断言地图矩阵、agent 位置、goal 位置完全一致。 输入: env_a = MazeEnv(grid_size=10, obstacle_density=0.3, seed=42) env_b = MazeEnv(grid_size=10, obstacle_density=0.3, seed=42) 各调用 reset() 期望: np.array_equal(obs_a[0], obs_b[0]) — 地图完全一致 info_a["agent_pos"] == info_b["agent_pos"] info_a["goal_pos"] == info_b["goal_pos"] np.array_equal(obs_a, obs_b) — 三通道全部一致 """ env_a = MazeEnv(grid_size=10, obstacle_density=0.3, seed=42) env_b = MazeEnv(grid_size=10, obstacle_density=0.3, seed=42) obs_a, info_a = env_a.reset() obs_b, info_b = env_b.reset() assert np.array_equal(obs_a[0], obs_b[0]), \ "相同 seed 的两个实例应产生完全相同的墙壁地图（obs[0]）" assert info_a["agent_pos"] == info_b["agent_pos"], \ "相同 seed 的两个实例应产生相同的起点" assert info_a["goal_pos"] == info_b["goal_pos"], \ "相同 seed 的两个实例应产生相同的终点" assert np.array_equal(obs_a, obs_b), \ "相同 seed 的两个实例整体观测（三通道）应完全一致"