行为树算法

行为树（Behavior Tree）是一种用于描述 AI 行为的树状数据结构，通过节点之间的层次关系来组织复杂的行为逻辑。它最初在游戏 AI 领域流行，后被广泛应用于机器人决策系统，逐渐成为替代传统有限状态机（FSM）的通用方案。

开源项目

BehaviorTree.CPP

• BehaviorTree.CPP:基于 C++17 的行为树框架，定位灵活、易用、可响应且高效。主要用于机器人，也可用于游戏 AI。支持异步非阻塞动作、并发执行的响应式行为、运行时加载 XML 定义的树、类型安全的节点间数据流，以及内置的日志与分析工具。

Golang

• behavior3go:从 behavior3 移植的 Go 行为树库，可配合在线可视化编辑器使用。采用无状态树结构，状态保存在 blackboard 中，适合 MMOARPG 类游戏的 AI 逻辑。
• go-behave:一个可扩展的 Go 行为树库，提供 Composite(Sequence、Selector、Random 变体)、Decorator(Inverter、Repeater、Delayer)与 Leaf 三类节点。
• go-behaviortree:简洁的 Go 行为树实现，核心是无状态的 Selector 与 Sequence,并提供响应式行为树的辅助工具。

PyTrees

PyTrees 是一个强大的 Python 行为树实现，专为机器人和其他复杂系统构建决策引擎而设计。它提供了一个优雅的模块化框架，让复杂的决策管理变得简单清晰。

PyTrees 常用于实现机器人在动态环境中的自主导航，或游戏 AI 角色对玩家操作的响应。

开源代码:

• PyTrees

详细文档:

• py-trees.readthedocs.io(Composites)

基于 py_trees 实现的 ROS 扩展:

• py_trees_ros
• py-trees-ros-tutorials

PyTrees 基本结构

节点类型

1. 控制节点（Composites） —— 决定执行流程

   • Sequence(顺序):所有子节点都成功才算成功。
   • Selector(选择):依次尝试，直到有一个子节点成功为止。
   • Parallel(并行):同时执行多个子节点，由策略（SuccessOnAll / SuccessOnOne / SuccessOnSelected）决定成功条件。

2. 执行节点（Behaviours） —— 具体行为

   • Action:执行具体动作。
   • Condition:检查条件是否满足。

3. 装饰节点（Decorators） —— 修饰子节点行为

   • 例如重复（Repeater）、取反（Inverter）、超时（Timeout）等。

惯用模式（Idioms）

PyTrees 提供了几种开箱即用的子树模式:

• idioms.pick_up_where_you_left_off:从中断处继续，避免任务被高优先级行为打断后从头开始。
• idioms.either_or:二选一，类似 Selector 但无优先级抢占，保证被选中的子树执行完毕。
• idioms.oneshot:单次执行，某个模式只完整执行一次。

工作方式

• 自顶向下执行。
• 从左到右遍历。
• 每个节点在一次 tick 中返回以下三种状态之一:
  • SUCCESS(成功)
  • RUNNING(执行中)
  • FAILURE(失败)

注:PyTrees 内部还存在一个 INVALID 状态，用于节点尚未启动或已被重置的内部记账，通常不需要在业务逻辑中处理。

简单示例

下面是一个典型的"遇到敌人则攻击，否则巡逻"的行为树结构:

Selector (主行为)
├── Sequence (遇到敌人)
│   ├── Condition (发现敌人?)
│   └── Action (攻击)
└── Sequence (日常巡逻)
    ├── Action (移动)
    └── Action (观察)

执行流程:Selector 首先尝试左侧"遇到敌人"分支;若未发现敌人，Condition 返回失败，整个 Sequence 失败，Selector 继续尝试右侧"日常巡逻"分支。

参考

• Behavior Trees in Robotics and AI (Colledanchise & Ögren) —— 行为树在机器人领域的经典学术著作。
• py_trees 官方文档 —— PyTrees 的概念、组合节点、装饰器、Blackboard、Visitor 等完整说明。
• BehaviorTree.CPP 文档 —— C++ 行为树框架的详细使用指南。