正如我们在上面看到的，自适应超采样最终仍然会在一个规则网格上发出射线，尽管这个网格在某些地方比在其他地方更加细分。因此，我们仍然可以得到不规则的边缘，锯齿，以及其他的混叠问题，尽管它们通常会有所减少。让我们摆脱固定网格，继续说。每个像素最初将被固定数量的9条射线采样。不同之处在于我们将这些射线均匀地分布在像素上。图20(a)显示了一个像素，它的9条光线或多或少是随机向下的，只是它们覆盖的像素相当均匀。
如果每个像素都被不同模式的9条射线所覆盖，那么我们就成功地消除了任何规则网格。图20(b)显示了一小块像素，每个像素由9条射线采样，每条射线都由一个点表示。现在我们已经摆脱了常规的采样网格，我们也摆脱了网格给我们的常规的别名。因为我们随机地(或随机地)将射线分布到我们想要采样的空间中，这种技术被称为随机射线追踪。我们使用的特定分布很重要，所以有时这种技术被称为分布式射线追踪。
让我们考虑前面章节中描述的射线追踪算法的另一个问题。考虑一种入射射线，它可以将光线从凹凸不平的表面带走。我们将在后面的考虑漫反射的课程中看到，有许多入射的光线会把它们的能量从表面沿着入射射线的方向传送出去。没有“正确的”光线，他们都有贡献。有人可能会问，应该遵循哪一种入射射线?随机射线追踪提供的答案是，没有单一的最佳入射光方向。相反，选择一个随机的射线方向。下次你击中一个表面并需要产生新的射线时，选择一个新的随机方向。关键在于，你可以将随机数的选择，以一种你可以发送大量光线的方式，在可能有大量的光线到达的方向，以及相对较少的光线在射入光线稀疏的方向。
我们可以用数学方法把这个问题描述为一个积分问题，我们想要找到到达给定点的总光。但是因为我们不能直接解积分方程，所以我们随机抽样寄希望于在足够的随机抽样后得到我们想要的答案。事实上，我们的随机选择可以被仔细地引导以帮助我们用少量的样本获得一个好的答案。
随机射线跟踪技术导致了各种新的效果，而上面描述的确定性射线跟踪算法不能很好地处理这些效果。例如，随机射线追踪帮助我们获得运动模糊、景深和阴影上的软边(称为半阴影区域)。
但是，尽管随机射线追踪解决了常规射线追踪的许多问题，但我们发现了一些新的东西:噪音。由于我们用这种技术得到了更好的平均值，每个像素都差不多是正确的，但通常不是很正确。这个错误与我们讨论过的许多其他混叠问题的规则网格无关，而是像坏电视信号中的静态图一样在图像上扩散开来。结果表明，人类的视觉系统对这种随机噪声的理解要比一般的混叠问题要大得多，因此随机射线追踪是解决问题的一个很好的解决方案。
但是我们仍然在每一个像素上使用这些射线，即使我们不需要它们。有时我们确实需要它们:考虑一个像素点，它在拼布床单(一种格子床单)上，类比一个像素点只能看到一个红方块。那么仅仅一两束射线就能给出这个像素的正确颜色。另一方面，考虑一个像素点，可以看到它有16个不同颜色的方块。我们至少需要16条射线，才能得到每种颜色中的一种。从上面的讨论中我们不清楚我们什么时候需要更多的样本，也不知道如何去获取它们。