📚 课程目录第4章行为树入门

4. 行为树入门

在多机器人任务编排中，我们经常需要描述“先导航到目标点，再抓取物体，若失败则重试，若电量低则先回充”这类带有条件、顺序与恢复逻辑的任务。行为树（Behavior Tree，BT）正是为此类任务而生的结构化决策模型。它把复杂任务拆解为可复用的节点，通过树形组合表达执行顺序、条件分支与失败恢复，相比传统有限状态机，更适合表达层次化、可组合的机器人行为。

一、核心原理：从“状态跳转”到“树形组合”

行为树是一棵有向树，叶子节点是实际执行动作或判断条件的执行节点，内部节点是控制子节点执行顺序与返回结果的控制节点。每个节点执行后都会向父节点返回三种状态之一：

SUCCESS（成功）：节点完成目标，例如导航到达目标点。
FAILURE（失败）：节点未能完成目标，例如路径被完全阻塞。
RUNNING（运行中）：节点尚未结束，需要下一个 tick 继续执行，例如机器人正在移动。

行为树采用周期性 tick（滴答）驱动：每个控制周期从根节点开始，按树结构向下传播 tick，直到叶子节点返回状态，再逐层向上汇总。这种“自顶向下 tick、自底向上返回”的机制，使行为树天然支持异步、长时任务与中断恢复。

行为树的核心公式可以概括为：

行为树 = 节点类型 + 返回状态 + tick 传播规则 + 组合逻辑

其中组合逻辑决定了“先做什么、失败后做什么、什么条件下切换分支”。

二、节点类型：控制节点与执行节点

行为树节点通常分为两大类。控制节点负责组织子节点，执行节点负责实际动作或条件判断。

节点类型	类别	执行语义	典型用途
Sequence（顺序）	控制节点	依次执行子节点，全部成功才返回 SUCCESS；任一失败立即返回 FAILURE	“导航→抓取→放置”固定流程
Fallback / Selector（选择）	控制节点	依次尝试子节点，任一成功即返回 SUCCESS；全部失败才返回 FAILURE	“主路径失败则走备用路径”
Parallel（并行）	控制节点	同时 tick 多个子节点，按成功/失败阈值决定整体结果	“边走边检测障碍物”
Decorator（装饰）	控制节点	对单个子节点附加条件，如 Inverter、Retry、Timeout	“失败重试 3 次”“超时取消”
Action（动作）	执行节点	执行具体动作，返回 SUCCESS / FAILURE / RUNNING	导航、抓取、语音播报
Condition（条件）	执行节点	判断条件是否成立，返回 SUCCESS 或 FAILURE	“电量是否低于 20%”

在 ROS2 中，常用 BehaviorTree.CPP 库实现行为树，节点通过 XML 描述，动作节点可封装为 ROS2 Action Client。例如一个简单的巡逻任务可以写成：

<root main_tree_to_execute="MainTree">
  <BehaviorTree ID="MainTree">
    <Fallback>
      <Sequence>
        <Condition ID="BatteryOK"/>
        <Action ID="NavigateToGoal"/>
        <Action ID="GraspObject"/>
      </Sequence>
      <Action ID="ReturnToCharge"/>
    </Fallback>
  </BehaviorTree>
</root>

这段 XML 表达的逻辑是：如果电量正常，则依次导航并抓取；否则直接回充。Fallback 节点保证了“主任务失败或条件不满足时，自动切换到回充分支”。

三、执行语义：tick、状态返回与恢复

行为树的执行语义有三个关键点。第一，tick 是周期性的，通常由 ROS2 定时器或执行器驱动，频率可为 10 Hz 或 100 Hz。第二，RUNNING 状态会保留执行现场，例如导航动作返回 RUNNING 后，下一次 tick 不会重新启动导航，而是继续等待其完成。第三，控制节点会记忆当前执行位置，Sequence 在某个子节点返回 RUNNING 后会记住该位置，下次 tick 从该子节点继续，而不是从头开始。

这种机制使得行为树非常适合长时任务。例如多机器人协同搬运中，机器人 A 等待机器人 B 到位，A 的等待节点返回 RUNNING，A 不会反复重新发起等待，而是持续检查 B 的状态，直到条件满足后继续执行后续动作。

理解行为树执行语义的关键：
RUNNING 不是失败，也不是成功，而是“还没做完”。
控制节点必须正确处理 RUNNING，否则会导致任务重复启动或状态丢失。

四、与有限状态机的对比

有限状态机（FSM）通过“状态 + 转移条件”描述行为，适合状态数量少、转移关系清晰的场景。行为树则通过“树形组合 + 返回状态”描述行为，更适合层次化、可复用、可动态调整的任务。两者对比如下：

对比维度	有限状态机 FSM	行为树 BT
组织方式	状态与转移边	树形节点组合
可复用性	状态难以跨任务复用	子树可封装复用
扩展性	新增状态易导致转移爆炸	新增分支对原树影响小
失败恢复	需显式设计恢复状态	Fallback/Retry 天然支持
可读性	状态多时图复杂	层次清晰，接近任务描述
适用场景	简单状态切换、模式管理	复杂任务编排、多机器人协同

需要强调的是，行为树并非完全取代 FSM。在机器人系统中，底层模式切换（如手动/自动/急停）仍常用 FSM，而上层任务编排更适合行为树。两者可以结合：行为树的动作节点内部封装一个 FSM，从而兼顾底层稳定性与上层灵活性。

五、案例与常见误区

假设一个多机器人仓库场景：机器人需要“前往货架→识别货物→抓取→送往打包区”。用行为树可以这样组织：根节点为 Sequence，依次为 NavigateToShelf、DetectObject、GraspObject、NavigateToPack。其中 GraspObject 可加 Retry 装饰器，失败重试 3 次；DetectObject 可加 Timeout，超时则走 Fallback 切换到人工求助分支。

常见误区有三个。第一，把 RUNNING 当成 FAILURE，导致动作被反复重启。第二，在 Sequence 中放置条件节点却不理解其返回语义，条件失败会直接中断整个序列。第三，过度嵌套，树太深会降低可读性与调试效率，应通过子树封装和黑板（Blackboard）共享数据来简化结构。

调试行为树时，建议开启 BehaviorTree.CPP 的日志或使用 Groot 可视化工具，观察每个 tick 的节点状态变化。多机器人场景中，还要注意黑板变量的命名空间隔离，避免不同机器人的目标点、电量等数据互相覆盖。

总结来看，行为树通过节点类型、返回状态与 tick 传播规则，把复杂任务拆解为可组合、可复用、可恢复的树形结构。在多机器人行为树任务编排中，掌握 Sequence、Fallback、Decorator 与 Action/Condition 的语义，是后续实现协同任务、动态调度与故障恢复的基础。