第二章：任务规划基础——任务分解、状态机设计、行为树入门

各位工程师，欢迎来到任务规划这一章。

说实话，我见过太多人形机器人项目，代码写得漂亮，硬件选型也到位，但一跑起来就乱套。为什么？因为任务规划没做好。机器人不知道「先做什么，后做什么」，就像一个人没有计划就开始干活，肯定要出问题。

这一章，我们就来聊聊任务规划的三大基础：任务分解、状态机设计、行为树入门。这些都是我这些年摸爬滚打总结出来的核心方法。

2.1 任务分解：把大问题拆成小步骤

人形机器人要完成一个复杂任务，比如「去厨房拿一杯水」。你想想看，这个任务对机器人来说有多复杂？它需要导航、避障、开门、抓取、倒水……每一步都可能失败。

所以，我个人的习惯是：先把大任务拆成小任务。这叫任务分解，也叫层次化任务规划。

核心原则：每个子任务必须是原子性的，即机器人能独立完成，且结果可验证。

举个例子，「去厨房拿一杯水」可以分解为：

导航到厨房：定位、路径规划、避障移动
识别水杯：视觉检测、目标确认
抓取水杯：手臂运动规划、抓取力控制
倒水：倾斜角度控制、流量监测
返回：携带水杯导航回起点

我在项目中遇到过一个问题：一开始把「抓取水杯」作为一个任务，结果机器人总是抓空。后来我才发现，抓取本身包含「接近」「定位」「闭合手指」「提升」四个子步骤。不拆细，调试都没法调。

我的小技巧：任务分解时，用「如果这一步失败了，我能知道是哪个环节出问题吗？」来检验分解粒度。如果答案是否定的，那就继续拆。

2.2 状态机设计：让机器人知道「现在该干嘛」

任务分解完了，接下来就是让机器人按顺序执行。最经典的方法就是有限状态机（FSM）。

说白了，状态机就是一张「状态-转移」图。机器人处于某个状态，当满足条件时，就跳到下一个状态。

我习惯用状态机来处理那些顺序明确、状态有限的任务。比如上面的倒水任务：

当前状态	触发条件	下一状态
IDLE（空闲）	收到「倒水」指令	NAVIGATE_TO_KITCHEN
NAVIGATE_TO_KITCHEN	到达厨房位置	DETECT_CUP
DETECT_CUP	识别到水杯	GRASP_CUP
GRASP_CUP	抓取成功	POUR_WATER
POUR_WATER	倒水完成	RETURN
RETURN	返回起点	IDLE

代码实现其实很简单，一个 switch-case 就能搞定：

// 状态机核心逻辑（伪代码）
enum State {
  IDLE,
  NAVIGATE_TO_KITCHEN,
  DETECT_CUP,
  GRASP_CUP,
  POUR_WATER,
  RETURN
}

State currentState = IDLE;

void update() {
  switch (currentState) {
    case IDLE:
      if (收到指令) currentState = NAVIGATE_TO_KITCHEN;
      break;
    case NAVIGATE_TO_KITCHEN:
      if (到达厨房) currentState = DETECT_CUP;
      break;
    case DETECT_CUP:
      if (识别到水杯) currentState = GRASP_CUP;
      else currentState = IDLE; // 失败处理
      break;
    // ... 其他状态类似
  }
}

注意：状态机最怕「状态爆炸」。如果任务有几十个状态，转移条件互相交叉，代码会变得难以维护。我曾经接手过一个项目，状态图画了整整三页A4纸……那感觉，嗯，你懂的。

2.3 行为树入门：更灵活的任务编排

状态机虽然好用，但有个硬伤：难以处理复杂的分支和并行任务。比如机器人要同时「避障」和「跟踪目标」，状态机就有点力不从心了。

这时候，行为树（Behavior Tree）就派上用场了。

行为树的核心思想是：用树状结构组织任务，每个节点代表一个行为或控制逻辑。常见的节点类型有：

序列节点（Sequence）：按顺序执行子节点，全部成功才算成功
选择节点（Selector）：依次尝试子节点，有一个成功就返回成功
条件节点（Condition）：检查某个条件是否成立
动作节点（Action）：执行具体行为

我举个例子，还是倒水任务，用行为树来表示：

你看，行为树的结构很清晰。根节点是 Sequence，表示「按顺序执行」。每个子节点是一个动作。如果某个动作失败，Sequence 会立即返回失败，不会继续执行后面的动作。

行为树最大的好处是可复用性和可扩展性。你可以把「导航到厨房」这个行为树子树，直接用在其他任务里，比如「去客厅拿遥控器」。我做过一个项目，行为树建好后，新任务只需要组合已有的子树，开发效率提升了好几倍。

我的建议：初学者先从状态机入手，等遇到「状态爆炸」或「并行任务」的痛点时，再切换到行为树。别一上来就用行为树，容易过度设计。

2.4 三种方法的对比与选择

说了这么多，到底该用哪种？我整理了一个对比表，方便你决策：

方法	适用场景	优点	缺点
任务分解	所有任务的前期规划	思路清晰，便于分工	只是规划，不涉及执行
状态机	顺序明确、状态有限的任务	简单直观，实现容易	状态多时难以维护
行为树	复杂分支、并行、可复用的任务	灵活、可复用、易扩展	学习曲线稍陡

我个人经验是：小项目用状态机，大项目用行为树。但不管用哪种，任务分解这一步都不能省。你想想看，如果连任务都没拆明白，后面写再多代码也是白搭。

避坑指南：我曾经在一个项目里，直接用行为树实现了一个简单的「前进-停止」逻辑。结果代码量比状态机多了三倍，调试也更麻烦。所以，别盲目追求新技术，合适才是最好的。

好了，这一章的内容就到这里。任务规划是机器人智能的基石，把这一步做好，后面的执行才会顺畅。记住：好的规划，胜过十次调试。

可可精品资料库

📚 课程目录

第二章：任务规划基础——任务分解、状态机设计、行为树入门

2.1 任务分解：把大问题拆成小步骤

2.2 状态机设计：让机器人知道「现在该干嘛」

2.3 行为树入门：更灵活的任务编排

2.4 三种方法的对比与选择