行为树（Behavior Tree）：从 ROS 机器人到 Unity 游戏 AI 的统一决策范式
作者按：本文是"每日一学"系列之一。今天我们聊一个在机器人和游戏 AI 领域都被广泛使用的决策架构------行为树（Behavior Tree, BT）。我们将以 ROS 机器人编程为主线，再延伸到 Unity 中的实践。
一、为什么需要行为树？
在早期的游戏 AI 和机器人决策系统中，有限状态机（Finite State Machine, FSM） 是最常用的方案。它简单直观：定义若干状态，再定义状态之间的跳转条件。
但 FSM 存在一个致命问题：状态数量增加时，跳转边会以平方级膨胀。当你的机器人需要"巡逻 → 发现目标 → 追踪 → 抓取 → 返航 → 充电"等一系列复杂行为时，FSM 会变成一张难以维护的"意大利面图"。
行为树则用树形结构 + 组合节点优雅地解决了这个问题，具备三大优势：
- 模块化：每个节点是独立的行为单元，可复用、可组合。
- 可读性强：树形结构天然适合可视化编辑与调试。
- 响应式（Reactive）：每个 tick 都重新评估，能实时响应环境变化。
二、行为树的核心概念
2.1 节点类型
行为树的节点主要分为四大类：
| 节点类型 | 作用 | 典型代表 |
|---|---|---|
| 控制节点（Control） | 控制子节点的执行流程 | Sequence、Selector、Parallel |
| 装饰节点（Decorator） | 修饰单个子节点的行为 | Inverter、Retry、Timeout |
| 条件节点（Condition） | 判断某种条件 | IsBatteryLow、IsObstacleAhead |
| 动作节点（Action） | 执行具体行为 | MoveTo、Grasp、Speak |
2.2 三种状态返回值
每个节点在被 tick 时会返回以下三种状态之一：
SUCCESS：执行成功FAILURE：执行失败RUNNING：仍在执行中
2.3 两个最重要的控制节点
Sequence（顺序节点） ：相当于逻辑"AND"，从左到右依次执行子节点，遇到 FAILURE 立即返回失败，全部成功才返回成功。
Selector / Fallback（选择节点） ：相当于逻辑"OR"，从左到右依次执行子节点，遇到 SUCCESS 立即返回成功，全部失败才返回失败。
三、ROS 中的行为树：BehaviorTree.CPP 与 Nav2
在 ROS 2 生态中，最主流的行为树库是 BehaviorTree.CPP ，它也是 Nav2（导航栈） 的核心调度引擎。Nav2 中的路径规划、避障恢复、目标重试等行为，全部由行为树编排。
3.1 一个机器人巡逻的 XML 示例
BehaviorTree.CPP 支持用 XML 描述行为树：
xml
<root main_tree_to_execute="MainTree">
<BehaviorTree ID="MainTree">
<Fallback name="root">
<Sequence name="LowBatteryRecovery">
<IsBatteryLow/>
<MoveTo goal="charging_station"/>
<Charge/>
</Sequence>
<Sequence name="Patrol">
<MoveTo goal="waypoint_A"/>
<MoveTo goal="waypoint_B"/>
<MoveTo goal="waypoint_C"/>
</Sequence>
</Fallback>
</BehaviorTree>
</root>这棵树的逻辑非常清晰：优先检查电量，低电量则回去充电；否则按 A→B→C 巡逻。
3.2 自定义动作节点（C++）
cpp
#include "behaviortree_cpp/bt_factory.h"
using namespace BT;
class MoveTo : public SyncActionNode {
public:
MoveTo(const std::string& name, const NodeConfig& config)
: SyncActionNode(name, config) {}
static PortsList providedPorts() {
return { InputPort<std::string>("goal") };
}
NodeStatus tick() override {
std::string goal;
if (!getInput("goal", goal)) {
return NodeStatus::FAILURE;
}
// 这里调用 ROS 2 的 Action Client，发送导航目标
ROS_INFO("Moving to: %s", goal.c_str());
// ... 省略实际导航调用 ...
return NodeStatus::SUCCESS;
}
};
int main(int argc, char** argv) {
BehaviorTreeFactory factory;
factory.registerNodeType<MoveTo>("MoveTo");
auto tree = factory.createTreeFromFile("./patrol.xml");
tree.tickWhileRunning();
return 0;
}3.3 Nav2 中的实战应用
Nav2 的默认导航行为树（navigate_to_pose_w_replanning_and_recovery.xml）包含：
- 主流程：周期性重新规划 → 跟随路径
- 恢复行为 ：当导航失败时，依次尝试清除局部代价地图 → 清除全局代价地图 → 原地旋转 → 后退
这种"主行为 + 恢复行为"的模式正是行为树的经典应用：用 Fallback 把"成功路径"和"恢复策略"组合在一起。
3.4 调试利器：Groot2
Groot2 是 BehaviorTree.CPP 配套的可视化编辑器，可以拖拽设计行为树，并在运行时实时高亮当前 tick 的节点，对调试复杂机器人行为极其有用。
四、Unity 中的行为树：游戏 AI 的另一面
行为树在游戏行业的应用其实更早，育碧、Bungie 等大厂在《光环 2》《刺客信条》等作品中都广泛使用。
4.1 Unity 常用方案
- Behavior Designer（Asset Store 付费）：功能最全，支持可视化编辑、变量共享、协程动作。
- NPBehave（开源）：基于代码声明式构建，轻量级。
- Unity Behavior（官方包，2024 起）：Unity 官方推出的 muse 行为图，逐渐成为新标准。
4.2 NPBehave 代码示例
csharp
using NPBehave;
public class EnemyAI : MonoBehaviour {
private Root behaviorTree;
void Start() {
behaviorTree = new Root(
new Selector(
// 分支1：看到玩家就追击攻击
new Sequence(
new Condition(() => CanSeePlayer()),
new Action(() => ChasePlayer()),
new Condition(() => InAttackRange()),
new Action(() => Attack())
),
// 分支2：默认巡逻
new Sequence(
new Action(() => PatrolNextWaypoint()),
new Wait(2.0f)
)
)
);
behaviorTree.Start();
}
}4.3 ROS vs Unity：同一思想的两种语境
| 维度 | ROS 机器人 | Unity 游戏 |
|---|---|---|
| 典型动作 | 导航、抓取、传感器读取 | 追击、攻击、寻路 |
| Tick 频率 | 通常 10--50 Hz | 与帧率绑定（60+ Hz） |
| 执行模型 | 异步 Action（长耗时） | 协程 / 帧驱动 |
| 黑板共享 | ROS 参数 / Topic | ScriptableObject / 内置 Blackboard |
| 调试工具 | Groot2 | Behavior Designer Inspector |
值得注意的是，Unity Robotics Hub 项目把 ROS 和 Unity 连接起来，可以用 Unity 做机器人仿真，再用 ROS 端的行为树驱动决策------两个世界正在融合。
五、行为树的进阶话题
掌握基础后，可以继续学习以下几个进阶方向：
- 黑板（Blackboard）：节点之间通过共享的键值存储传递数据，避免硬耦合。
- 并行节点（Parallel）：同时执行多个子节点，在"边走边说话"这类场景中很有用。
- 响应式 vs 一次性：是每个 tick 都重新评估条件，还是仅在状态切换时评估？
- 行为树 + 效用函数（Utility AI）：用打分机制选择最优分支，比纯优先级更智能。
- 行为树 + LLM：2024 年起，已经有研究用大模型动态生成行为树，让机器人具备"听人话办事"的能力。
六、今日小结
行为树本质上是一种用树形结构组织"决策---执行"流程 的范式。它在 ROS 机器人 （Nav2、BehaviorTree.CPP）和 Unity 游戏 AI 中都是事实标准，因为它同时满足了模块化、可视化、可响应这三大需求。
给你的一个动手作业 🛠️：
用 BehaviorTree.CPP（或 NPBehave）实现一个"扫地机器人"行为树：在电量充足时清扫 → 检测到障碍则绕行 → 电量低于 20% 自动返航充电。先画 XML / 树图，再用代码实现，体验"先设计后编码"的流程。
明天见，继续我们的"每日一学"！🚀