对于实际应用,环境复杂性的概念在机器人的设计和性能中起着至关重要的作用。机器人针对特定应用或任务的硬件和软件复杂性取决于机器人对周围环境的布局和组织的了解。这项研究调查了各种方法,以从移动机器人的角度定量评估环境的复杂性。提出了评估框架以评估给定环境中的环境复杂性。该框架包括环境的设置,度量的选择,度量的优化以及根据环境复杂性度量对机器人导航性能的评估。为了解决给定环境中复杂度的变化,我们探索了两个指标:熵和平均最短路径。熵和平均最短路径度量是针对具有不同复杂性级别的环境计算的。对模拟实验的结果进行比较和分析。实现了基于深度优先搜索算法的导航任务,以将机器人的两种措施与导航性能相关联。根据实验,我们可以说这两个指标对复杂性的反映非常相似,并且呈正相关。但是,就评估基于导航的任务性能而言,“平均最短路径”度量比“熵”度量更准确。此外,这些指标还确定了整个地图中各个子区域在复杂性方面如何形成对比。结果表明,所研究的措施可用于估计不同环境的整体复杂性。此外,它们可以表示给定环境中移动机器人导航性能的功能。