2026年中职人工智能技术应用(工业机器人AI控制技术)试题及答案

2026年中职人工智能技术应用(工业机器人AI控制技术)试题及答案一、单项选择题（本大题共20小题，每小题1分，共20分）1.工业机器人AI控制技术中，用于实现机器人与环境动态交互的关键技术是（）A.传感器数据融合算法B.运动学逆解计算C.强化学习决策模型D.PID控制参数整定解析：选项A是环境感知基础，B是运动规划基础，D是传统控制技术，动态交互需通过AI决策模型实现，故C正确。强化学习通过试错优化交互策略，符合工业机器人AI控制场景需求。2.在工业机器人AI控制系统中，用于处理多传感器信息的算法中，能够有效融合视觉与力觉数据的是（）A.卡尔曼滤波B.神经网络迁移学习C.贝叶斯网络推理D.聚类分析算法解析：卡尔曼滤波是经典的多传感器融合算法，通过状态估计协方差矩阵权重融合不同传感器数据，适用于机器人位姿与力觉联合估计，故A正确。其他选项分别适用于分类、迁移学习或数据分组。3.工业机器人AI控制技术中，用于优化机器人路径规划效率的算法是（）A.A搜索算法B.K-means聚类C.决策树分类器D.主成分分析解析：A算法通过启发式函数评估路径代价，动态调整搜索方向，是机器人路径规划的典型AI应用，故A正确。其他选项分别用于路径搜索、数据降维和分类。4.在工业机器人AI控制系统中，用于实现机器人自主避障功能的核心模块是（）A.机械臂驱动器B.惯性测量单元C.感知与决策融合模块D.伺服电机编码器解析：自主避障需结合传感器感知与AI决策，选项C描述的模块整合了激光雷达等感知数据和避障算法，故C正确。其他选项分别属于硬件组件。5.工业机器人AI控制技术中，用于实现机器人运动轨迹平滑的算法是（）A.B样条插值B.粒子滤波C.遗传算法D.逻辑回归解析：B样条插值通过控制点生成连续可微的平滑曲线，常用于机器人轨迹规划，故A正确。其他选项分别用于状态估计、优化和分类。6.在工业机器人AI控制系统中，用于实现机器人自主抓取任务的关键技术是（）A.伺服电机控制B.视觉伺服技术C.有限元分析D.数字孪生建模解析：视觉伺服通过图像处理计算抓取误差并调整机械臂，是AI控制下的抓取核心技术，故B正确。其他选项分别属于传统控制、结构分析和仿真技术。7.工业机器人AI控制技术中，用于实现机器人自适应控制的关键算法是（）A.LQR控制B.神经网络自适应控制C.离散傅里叶变换D.卷积神经网络解析：神经网络自适应控制通过在线学习调整控制参数，适应环境变化，符合自适应控制需求，故B正确。其他选项分别属于传统控制、信号处理和图像识别。8.在工业机器人AI控制系统中，用于实现机器人自主导航功能的核心传感器是（）A.温度传感器B.激光雷达C.压力传感器D.光纤陀螺仪解析：激光雷达通过扫描环境生成点云数据，是SLAM等导航算法的基础，故B正确。其他选项分别用于温度、压力和姿态测量。9.工业机器人AI控制技术中，用于实现机器人故障诊断的算法是（）A.小波变换B.支持向量机C.线性回归D.离散事件系统解析：支持向量机通过核函数映射特征空间实现故障模式分类，适用于机器人状态监测，故B正确。其他选项分别属于信号处理、回归分析和系统建模。10.在工业机器人AI控制系统中，用于实现机器人人机协作安全控制的技术是（）A.安全PLCB.力控传感器C.事件驱动编程D.虚拟现实技术解析：力控传感器实时检测接触力并触发安全响应，是人机协作的核心技术，故B正确。其他选项分别属于硬件安全、编程范式和交互技术。11.工业机器人AI控制技术中，用于实现机器人自主装配任务的关键技术是（）A.运动学正解计算B.视觉引导装配C.频谱分析D.并行计算架构解析：视觉引导装配通过图像识别定位装配对象并规划抓取路径，符合装配任务需求，故B正确。其他选项分别属于运动学基础、信号分析和硬件架构。12.在工业机器人AI控制系统中，用于实现机器人自主焊接质量控制的算法是（）A.红外测温B.深度学习缺陷检测C.脉冲宽度调制D.磁阻传感器解析：深度学习缺陷检测通过图像分析识别焊接缺陷，是AI质量控制典型应用，故B正确。其他选项分别属于温度测量、控制方式和位置检测。13.工业机器人AI控制技术中，用于实现机器人自主搬运任务的关键技术是（）A.超声波测距B.惯性导航系统C.视觉定位技术D.电机编码器解析：视觉定位通过识别地面标记或物体实现精确定位，是搬运任务的核心技术，故C正确。其他选项分别属于距离测量、姿态控制和位置反馈。14.在工业机器人AI控制系统中，用于实现机器人自主喷涂任务的关键技术是（）A.流体力学仿真B.基于学习的喷涂策略C.电磁阀控制D.电流互感器解析：基于学习的喷涂策略通过AI优化喷涂路径和参数，提高效率，故B正确。其他选项分别属于仿真、执行控制和电流测量。15.工业机器人AI控制技术中，用于实现机器人自主打磨任务的关键技术是（）A.振动频率分析B.视觉伺服反馈C.数字滤波D.电机扭矩控制解析：视觉伺服通过图像处理实时调整打磨位置，是精密打磨的核心技术，故B正确。其他选项分别属于信号处理、反馈控制和力控制。16.在工业机器人AI控制系统中，用于实现机器人自主涂胶任务的关键技术是（）A.热力学分析B.视觉引导涂胶C.电阻抗测量D.伺服阀解析：视觉引导涂胶通过识别涂胶区域并控制喷嘴轨迹，是涂胶任务的核心技术，故B正确。其他选项分别属于材料分析、测量技术和执行元件。17.工业机器人AI控制技术中，用于实现机器人自主检测任务的关键技术是（）A.声音频谱分析B.基于深度学习的缺陷检测C.电阻抗成像D.电流互感器解析：基于深度学习的缺陷检测通过图像分析识别产品缺陷，是AI检测典型应用，故B正确。其他选项分别属于声音分析、成像技术和电流测量。18.在工业机器人AI控制系统中，用于实现机器人自主分拣任务的关键技术是（）A.重量传感器B.视觉分类算法C.电机编码器D.电流互感器解析：视觉分类算法通过图像识别区分不同物品并规划分拣路径，是分拣任务的核心技术，故B正确。其他选项分别属于重量测量、位置反馈和电流测量。19.工业机器人AI控制技术中，用于实现机器人自主焊接任务的关键技术是（）A.磁阻传感器B.视觉伺服焊接C.电机扭矩控制D.电流互感器解析：视觉伺服焊接通过图像处理实时调整焊接位置和姿态，是精密焊接的核心技术，故B正确。其他选项分别属于位置检测、力控制和电流测量。20.在工业机器人AI控制系统中，用于实现机器人自主装配任务的关键技术是（）A.电机编码器B.视觉引导装配C.电流互感器D.电机扭矩控制解析：视觉引导装配通过图像识别定位装配对象并规划抓取路径，是装配任务的核心技术，故B正确。其他选项分别属于位置反馈、测量技术和力控制。二、填空题（本大题共10小题，每小题2分，共20分）1.工业机器人AI控制技术中，用于实现机器人自主避障功能的核心算法是______算法，通过动态调整搜索方向优化路径规划效率。参考答案：A搜索解析：A算法结合启发式函数（如曼哈顿距离）和实际代价，动态选择最优路径，是机器人避障的典型AI应用。2.工业机器人AI控制技术中，用于实现机器人运动轨迹平滑的算法是______插值，通过控制点生成连续可微的平滑曲线。参考答案：B样条解析：B样条插值通过基函数和控制点构建光滑曲线，广泛应用于机器人轨迹规划，保证运动平稳性。3.工业机器人AI控制技术中，用于实现机器人自主抓取任务的关键技术是______技术，通过图像处理计算抓取误差并调整机械臂。参考答案：视觉伺服解析：视觉伺服通过相机捕捉目标图像，计算抓取误差并实时调整机械臂位置，实现精确抓取。4.工业机器人AI控制技术中，用于实现机器人自适应控制的关键算法是______控制，通过在线学习调整控制参数适应环境变化。参考答案：神经网络自适应解析：神经网络自适应控制通过反向传播等算法优化权重，动态适应系统参数变化，提高控制鲁棒性。5.工业机器人AI控制技术中，用于实现机器人自主导航功能的核心传感器是______，通过扫描环境生成点云数据。参考答案：激光雷达解析：激光雷达通过发射激光并接收反射信号，生成高精度环境点云，是SLAM等导航算法的基础。6.工业机器人AI控制技术中，用于实现机器人故障诊断的算法是______，通过核函数映射特征空间实现故障模式分类。参考答案：支持向量机解析：支持向量机通过高维映射将非线性问题转化为线性可分问题，适用于机器人状态监测与故障诊断。7.工业机器人AI控制技术中，用于实现机器人人机协作安全控制的技术是______，实时检测接触力并触发安全响应。参考答案：力控传感器解析：力控传感器通过应变片等原理测量接触力，当力超过阈值时触发安全停机，保障人机协作安全。8.工业机器人AI控制技术中，用于实现机器人自主装配任务的关键技术是______，通过识别装配对象并规划抓取路径。参考答案：视觉引导装配解析：视觉引导装配通过相机识别装配对象位置、姿态和方向，生成抓取指令，实现精确装配。9.工业机器人AI控制技术中，用于实现机器人自主焊接质量控制的算法是______，通过图像分析识别焊接缺陷。参考答案：深度学习缺陷检测解析：深度学习缺陷检测通过卷积神经网络自动识别焊缝表面缺陷，提高检测精度。10.工业机器人AI控制技术中，用于实现机器人自主搬运任务的关键技术是______，通过识别地面标记或物体实现精确定位。参考答案：视觉定位技术解析：视觉定位通过图像处理提取特征点或标记，计算机器人位姿，实现自主导航。三、判断题（本大题共10小题，每小题2分，共20分）1.工业机器人AI控制技术中，A搜索算法通过动态调整搜索方向优化路径规划效率，适用于机器人避障场景。（）参考答案：正确解析：A算法结合启发式函数和实际代价，动态选择最优路径，是机器人避障的典型AI应用。2.工业机器人AI控制技术中，B样条插值通过控制点生成连续可微的平滑曲线，适用于机器人运动轨迹平滑。（）参考答案：正确解析：B样条插值通过基函数和控制点构建光滑曲线，广泛应用于机器人轨迹规划，保证运动平稳性。3.工业机器人AI控制技术中，激光雷达通过发射激光并接收反射信号，生成高精度环境点云，是SLAM等导航算法的基础。（）参考答案：正确解析：激光雷达通过扫描环境生成点云数据，为机器人提供环境信息，是SLAM等导航算法的基础。4.工业机器人AI控制技术中，支持向量机通过核函数映射特征空间实现故障模式分类，适用于机器人状态监测与故障诊断。（）参考答案：正确解析：支持向量机通过高维映射将非线性问题转化为线性可分问题，适用于机器人故障诊断。5.工业机器人AI控制技术中，力控传感器通过应变片等原理测量接触力，当力超过阈值时触发安全停机，保障人机协作安全。（）参考答案：正确解析：力控传感器实时检测接触力，当力超过安全阈值时触发安全响应，保障人机协作安全。6.工业机器人AI控制技术中，视觉引导装配通过识别装配对象并规划抓取路径，实现精确装配。（）参考答案：正确解析：视觉引导装配通过相机识别装配对象位置、姿态和方向，生成抓取指令，实现精确装配。7.工业机器人AI控制技术中，深度学习缺陷检测通过图像分析识别焊接缺陷，提高检测精度。（）参考答案：正确解析：深度学习缺陷检测通过卷积神经网络自动识别焊缝表面缺陷，提高检测精度。8.工业机器人AI控制技术中，视觉定位通过图像处理提取特征点或标记，计算机器人位姿，实现自主导航。（）参考答案：正确解析：视觉定位通过图像处理提取特征点或标记，计算机器人位姿，实现自主导航。9.工业机器人AI控制技术中，神经网络自适应控制通过反向传播等算法优化权重，动态适应系统参数变化，提高控制鲁棒性。（）参考答案：正确解析：神经网络自适应控制通过反向传播等算法优化权重，动态适应系统参数变化，提高控制鲁棒性。10.工业机器人AI控制技术中，电机编码器用于测量电机转速和位置，是机器人运动控制的基础。（）参考答案：正确解析：电机编码器提供位置和速度反馈，是机器人运动控制的基础。四、简答题（本大题共8小题，每小题2分，共16分）1.简述工业机器人AI控制技术中A搜索算法的基本原理及其在机器人避障中的应用。参考答案：A搜索算法通过结合实际代价（g-cost）和启发式函数（h-cost）计算节点总代价（f-cost），动态选择代价最小的路径。在机器人避障中，算法通过优先扩展靠近目标的低代价节点，避免无效搜索，优化避障路径。解析：A算法的核心是f-cost=g-cost+h-cost，其中g-cost是已走路径代价，h-cost是预估目标代价。避障场景中，启发式函数常使用曼哈顿距离或欧氏距离，确保搜索效率。2.简述工业机器人AI控制技术中B样条插值的基本原理及其在机器人运动轨迹平滑中的应用。参考答案：B样条插值通过基函数和控制点构建光滑曲线，基函数具有局部支撑特性，修改控制点只影响局部曲线。在机器人运动轨迹平滑中，通过调整控制点生成连续可微的轨迹，避免jerky运动。解析：B样条插值的核心是基函数和节点矢量，基函数满足二重分段连续性，控制点决定曲线形状。机器人轨迹平滑需保证位置、速度和加速度连续，B样条满足此要求。3.简述工业机器人AI控制技术中激光雷达在自主导航中的应用原理。参考答案：激光雷达通过发射激光并接收反射信号，生成高精度环境点云，通过点云匹配地图或SLAM算法计算机器人位姿。在自主导航中，激光雷达提供环境距离信息，支持路径规划和避障。解析：激光雷达的导航应用包括：1）建图：通过扫描环境生成点云地图；2）定位：通过点云匹配计算当前位姿；3）避障：通过距离信息规划安全路径。4.简述工业机器人AI控制技术中支持向量机在故障诊断中的应用原理。参考答案：支持向量机通过核函数将非线性问题映射到高维空间，寻找最优分类超平面。在故障诊断中，将传感器数据作为特征输入，通过分类器识别故障模式。解析：支持向量机核心是最大化分类间隔，通过核函数（如RBF）处理非线性关系。故障诊断中，常使用历史数据训练分类器，实时识别异常状态。5.简述工业机器人AI控制技术中力控传感器在安全控制中的应用原理。参考答案：力控传感器通过应变片等原理测量接触力，当力超过阈值时触发安全响应。在安全控制中，用于人机协作场景，实时检测接触力并限制机器人动作，保障操作人员安全。解析：力控传感器工作原理包括：1）应变片测量形变；2）电桥电路转换信号；3）放大电路处理信号；4）比较器触发安全响应。安全控制中，常使用力控传感器实现软限位功能。6.简述工业机器人AI控制技术中视觉引导装配的基本原理。参考答案：视觉引导装配通过相机识别装配对象位置、姿态和方向，生成抓取指令。基本原理包括：1）图像采集；2）特征提取；3）位姿估计；4）路径规划；5）机械臂执行。解析：视觉引导装配的核心是位姿估计，通过特征匹配计算装配对象相对于相机的位置和姿态，再转换为机械臂运动指令。7.简述工业机器人AI控制技术中深度学习缺陷检测的基本原理。参考答案：深度学习缺陷检测通过卷积神经网络自动识别焊接缺陷，基本原理包括：1）数据采集；2）模型训练；3）特征提取；4）缺陷分类。模型通过大量缺陷样本学习缺陷特征。解析：深度学习缺陷检测的核心是卷积神经网络，通过卷积层提取图像特征，池化层降低维度，全连接层进行分类。模型训练需大量标注数据，提高检测精度。8.简述工业机器人AI控制技术中视觉定位的基本原理。参考答案：视觉定位通过图像处理提取特征点或标记，计算机器人位姿。基本原理包括：1）图像采集；2）特征提取；3）特征匹配；4）位姿计算。常用算法包括AprilTag定位和SLAM。解析：视觉定位的核心是特征提取与匹配，通过特征点（如SIFT）或标记（如AprilTag）计算相机与环境的相对位姿，实现自主导航。五、应用题（本大题共8小题，每小题4分，共32分）1.某工业机器人需要自主避障，已知环境地图和机器人当前位置，请简述A搜索算法在该场景下的应用步骤。参考答案：1）初始化：将起点加入开放列表，计算初始f-cost；2）扩展节点：从开放列表中选择f-cost最小的节点，生成子节点；3）计算代价：计算子节点的g-cost和h-cost；4）更新列表：将子节点加入开放列表，关闭父节点；5）目标判断：若到达终点，结束搜索；若开放列表为空，无路径。解析：A搜索算法通过f-cost指导搜索方向，避免无效扩展，提高避障效率。关键步骤包括节点扩展、代价计算和列表更新，确保找到最优路径。2.某工业机器人需要执行平滑轨迹运动，已知起点、终点和中间控制点，请简述B样条插值在该场景下的应用步骤。参考答案：1）确定节点矢量：根据控制点数量设置节点矢量；2）计算基函数：计算各控制点的B样条基函数值；3）生成曲线：通过基函数和控制点计算曲线点；4）优化曲线：调整控制点位置，优化曲线形状；5）输出轨迹：生成平滑运动轨迹。解析：B样条插值通过基函数和控制点生成光滑曲线，关键步骤包括节点矢量设置、基函数计算和曲线生成。控制点调整可优化轨迹形状，满足运动平滑需求。3.某工业机器人需要自主导航，已知激光雷达扫描数据，请简述SLAM算法在该场景下的应用步骤。参考答案：1）初始化：设置初始位姿和地图；2）扫描匹配：扫描激光雷达数据与地图匹配；3）位姿估计：计算当前位姿；4）地图更新：将新观测数据加入地图；5）循环迭代：重复扫描匹配和地图更新。解析：SLAM算法通过迭代扫描匹配和地图更新，实现定位和建图。关键步骤包括位姿估计和地图构建，确保机器人自主导航的准确性。4.某工业机器人需要自主抓取物体，已知物体图像和机械臂参数，请简述视觉引导装配在该场景下的应用步骤。参考答案：1）图像采集：拍摄物体图像；2）特征提取：提取物体特征点；3）位姿估计：计算物体相对于相机的位姿；4）路径规划：规划机械臂抓取路径；5）机械臂执行：控制机械臂抓取物体。解析：视觉引导装配通过位姿估计和路径规划，实现精确抓取。关键步骤包括特征提取、位姿计算和路径规划，确保抓取精度。5.某工业机器人需要自主焊接，已知焊接区域图像，请简述深度学习缺陷检测在该场景下的应用步骤。参考答案：1）数据采集：收集焊接图像；2）模型训练：训练缺陷检测模型；3）图像预处理：对输入图像进行预处理；4）缺陷检测：使用模型识别焊接缺陷；5）结果输出：输出缺陷位置和类型。解析：深度学习缺陷检测通过模型训练和图像处理，实现缺陷识别。关键步骤包括模型训练和图像预处理，确保检测精度。6.某工业机器人需要自主搬运，已知搬运路线和物体位置，请简述视觉定位在该场景下的应用步骤。参考答案：1）图像采集：拍摄环境图像；2）特征提取：提取环境特征点；3）特征匹配：匹配特征点与地图；4）位姿计算：计算机器人位姿；5）路径规划：规划搬运路径；6）机械臂执行：控制机械臂搬运物体。解析：视觉定位通过特征提取和匹配，计算机器人位姿，实现自主导航。关键步骤包括位姿计算和路径规划，确保搬运效率。7.某工业机器人需要自主涂胶，已知涂胶区域图像，请简述视觉伺服在该场景下的应用步骤。参考答案：1）图像采集：拍摄涂胶区域图像；2）特征提取：提取涂胶区域特征；3）误差计算：计算涂胶误差；4）路径调整：调整机械臂位置；5）机械臂执行：控制机械臂涂胶；6）循环迭代：重复上述步骤。解析：视觉伺服通过误差计算和路径调整，实现精确涂胶。关键步骤包括特征提取和误差计算，确保涂胶精度。8.某工业机器人需要自主检测产品，已知产品图像和缺陷标准，请简述基于深度学习的缺陷检测在该场景下的应用步骤。参考答案：1）数据采集：收集产品图像；2）模型训练：训练缺陷检测模型；3）图像预处理：对输入图像进行预处理；4）缺陷检测：使用模型识别产品缺陷；5）结果输出：输出缺陷位置和类型；6）质量判断：根据缺陷标准判断产品是否合格。解析：基于深度学习的缺陷检测通过模型训练和图像处理，实现缺陷识别。关键步骤包括模型训练和结果输出，确保检测精度。【标准答案及解析】一、单项选择题1.C2.A3.A4.C5.A6.B7.B8.B9.B10.B2.B12.B13.C14.B15.B16.B17.B18.B19.B20.B二、填空题1.A搜索22.B样条23.视觉伺服24.神经网络自适应2.激光雷达26.支持向量机27.力控传感器28.视觉引导装配3.深度学习缺陷检测30.视觉定位技术三、判断题1.√32.√33.√34.√35.√36.√37.√38.√39.√40.√四、简答题1.参考答案：A搜索算法通过结合实际代价（g-cost）和启发式函数（h-cost）计算节点总代价（f-cost），动态选择代价最小的路径。在机器人避障中，算法通过优先扩展靠近目标的低代价节点，避免无效搜索，优化避障路径。解析：A算法的核心是f-cost=g-cost+h-cost，其中g-cost是已走路径代价，h-cost是预估目标代价。避障场景中，启发式函数常使用曼哈顿距离或欧氏距离，确保搜索效率。2.参考答案：B样条插值通过基函数和控制点构建光滑曲线，基函数具有局部支撑特性，修改控制点只影响局部曲线。在机器人运动轨迹平滑中，通过调整控制点生成连续可微的轨迹，避免jerky运动。解析：B样条插值的核心是基函数和节点矢量，基函数满足二重分段连续性，控制点决定曲线形状。机器人轨迹平滑需保证位置、速度和加速度连续，B样条满足此要求。3.参考答案：激光雷达通过发射激光并接收反射信号，生成高精度环境点云，通过点云匹配地图或SLAM算法计算机器人位姿。在自主导航中，激光雷达提供环境距离信息，支持路径规划和避障。解析：激光雷达的导航应用包括：1）建图：通过扫描环境生成点云地图；2）定位：通过点云匹配计算当前位姿；3）避障：通过距离信息规划安全路径。4.参考答案：支持向量机通过核函数将非线性问题映射到高维空间，寻找最优分类超平面。在故障诊断中，将传感器数据作为特征输入，通过分类器识别故障模式。解析：支持向量机核心是最大化分类间隔，通过核函数（如RBF）处理非线性关系。故障诊断中，常使用历史数据训练分类器，实时识别异常状态。5.参考答案：力控传感器通过应变片等原理测量接触力，当力超过阈值时触发安全响应。在安全控制中，用于人机协作场景，实时检测接触力并限制机器人动作，保障操作人员安全。解析：力控传感器工作原理包括：1）应变片测量形变；2）电桥电路转换信号；3）放大电路处理信号；4）比较器触发安全响应。安全控制中，常使用力控传感器实现软限位功能。6.参考答案：视觉引导装配通过相机识别装配对象位置、姿态和方向，生成抓取指令。基本原理包括：1）图像采集；2）特征提取；3）位姿估计；4）路径规划；5）机械臂执行。解析：视觉引导装配的核心是位姿估计，通过特征匹配计算装配对象相对于相机的位置和姿态，再转换为机械臂运动指令。7.参考答案：深度学习缺陷检测通过卷积神经网络自动识别焊接缺陷，基本原理包括：1）数据采集；2）模型训练；3）特征提取；4）缺陷分类。模型通过大量缺陷样本学习缺陷特征。解析：深度学习缺陷检测的核心是卷积神经网络，通过卷积层提取图像特征，池化层降低维度，全连接层进行分类。模型训练需大量标注数据，提高检测精度。8.参考答案：视觉定位通过图像处理提取特征点或标记，计算机器人位姿。基本原理包括：1）图像采集；2）特征提取；3）特征匹配；4）位姿计算。常用算法包括AprilTag定位和SLAM。解析：视觉定位的核心是特征提取与匹配，通过特征点（如SIFT）或标记（如AprilTag）计算相机与环境的相对位姿，实现自主导航。五、应用题1.参考答案：1）初始化：将起点加入开放列表，计算初始f-cost；2）扩展节点：从开放列表中选择f-cost最小的节点，生成子节点；3）计算代价：计算子节点的g-cost和h-cost；4）更新列表：将子节点加入开放列表，关闭父节点；5）目标判断：若到达终点，结束搜索；若开放列表为空，无路径。解析：A搜