How to Create Custom Robot Behaviors With Behavior Trees
Table of Contents
Einführung in Verhaltensbäume für die Roboterprogrammierung
Moderne Robotik erfordert Softwarearchitekturen, die modular, wartbar und in der Lage sind, unvorhersehbare Umgebungen zu bewältigen. Verhaltensbäume haben sich unter Robotikern als Favorit herausgestellt, weil sie eine saubere, hierarchische Möglichkeit bieten, Roboterentscheidungen zu modellieren. Im Gegensatz zu herkömmlichen Zustandsmaschinen ermöglichen Verhaltensbäume es Ihnen, komplexe Verhaltensweisen aus kleinen, wiederverwendbaren Teilen zu komponieren, was es einfacher macht, die Intelligenz Ihres Roboters zu entwerfen, zu testen und weiterzuentwickeln. Dieser Leitfaden erklärt, wie Sie benutzerdefinierte Roboterverhalten mithilfe von Verhaltensbäumen erstellen, von den Kernkonzepten bis hin zu fortschrittlichen Implementierungsmustern.
Was sind Verhaltensbäume?
Ein Verhaltensbaum ist ein baumstrukturiertes Modell, das den Ablauf von Aktionen und Entscheidungen in einem Robotersystem steuert. Jeder Knoten im Baum stellt eine bestimmte Aufgabe dar: entweder eine Aktion ausführen, eine Bedingung überprüfen oder die Reihenfolge von Kinderknoten steuern. Die Ausführung beginnt am Wurzelknoten und rieselt zu Blattknoten, die tatsächlich Arbeit ausführen oder Sensordaten lesen. Der Baum gibt einen von drei Zuständen zurück: Erfolgreich, Ausfall, oder Laufen (d.h. die Aktion ist noch im Gange) Dieses einfache Statussystem ermöglicht es dem Baum, in Echtzeit auf sich ändernde Bedingungen zu reagieren.
Hauptunterschiede zu Finite State Machines (FSM)
Verhaltensbäume werden oft mit Finite State Machines verglichen, bieten aber mehrere Vorteile:
- Wiederverwendbarkeit: Knoten sind in sich geschlossen und können in vielen verschiedenen Bäumen wiederverwendet werden. Im Gegensatz dazu verwickeln sich FSM-Übergänge oft und sind schwer wiederverwendbar.
- Skalierbarkeit: Das Hinzufügen neuer Verhaltensweisen zu einem Baum bedeutet das Hinzufügen neuer Knoten oder Unterbäume, ohne bestehende Übergänge neu schreiben zu müssen. Die FSM-Komplexität wächst quadratisch mit der Zählung des Zustands.
- Reaktivität: Verhaltensbäume überprüfen die Bedingungen bei jedem Tick, sodass ein Roboter sofort von einer Aktion zu einem Rückfallverhalten wechseln kann, wenn ein Hindernis auftritt. FSM erfordert oft explizite Übergänge für jedes Ereignis.
- Entleerbarkeit: Die hierarchische Struktur macht es einfach, den Entscheidungspfad zu visualisieren. Sie können genau sehen, welcher Knoten Erfolg oder Misserfolg zurückgegeben hat, was das Debuggen schneller macht.
Kernkomponenten eines Verhaltensbaums
Jeder Verhaltensbaum besteht aus einigen wenigen grundlegenden Knotentypen. Diese zu verstehen ist wichtig, bevor Sie benutzerdefinierte Verhaltensweisen entwerfen.
Wurzelknoten
Der einzelne Top-Level-Knoten, der den Baum bei jedem Tick initiiert. Er hat normalerweise ein Kind und propagiert den Status einfach nach oben. In den meisten Frameworks ist die Wurzel ein Kontrollknoten wie eine Sequenz oder ein Selector.
Steuerknoten (interne Knoten)
Diese Knoten haben ein oder mehrere Kinder und bestimmen die Reihenfolge der Ausführung.
- Sequenz (oft als „→“ oder „?“ dargestellt): Führt Kinder einzeln von links nach rechts aus. Wenn ein Kind Erfolg zurückgibt, wechselt es zum nächsten. Wenn ein Kind Misserfolg oder Laufen zurückgibt, stoppt die Sequenz und gibt diesen Status zurück. Verwenden Sie Sequenz, wenn alle Schritte in der Reihenfolge erfolgreich sein müssen.
- Wähleinrichtung (oft „?“ oder „☐“): Versucht Kinder in Ordnung, bis eines erfolgreich ist. Wenn ein Kind erfolgreich ist, gibt der Selektor Erfolg zurück und stoppt. Wenn alle Kinder scheitern, gibt er Misserfolg zurück. Verwenden Sie Selector, wenn Sie eine Prioritätenliste mit Optionen haben (z. B. gehen, dann kriechen, dann Hilfe rufen).
Dekorative Nodes
Dekorateure haben genau ein Kind und ändern sein Verhalten. Sie können einen Knoten wiederholen, seinen Status umkehren, die Ausführungszeit begrenzen oder eine Wiederholungslogik hinzufügen.
- WechselrichterGibt Erfolg zurück, wenn das Kind versagt, und Misserfolg, wenn das Kind Erfolg hat.
- WiederholungLäuft das Kind eine bestimmte Anzahl von Malen oder für immer.
- TimeoutGibt den Fehler zurück, wenn das Kind nicht innerhalb einer bestimmten Dauer fertig ist.
- RetryUntilErfolgreichRe-Executed das Kind, bis es erfolgreich ist.
Blattknoten: Aktion und Zustand
Blattknoten machen die eigentliche Arbeit. Sie haben keine Kinder.
- Aktionsknotenpunkt: Führt einen Befehl aus, wie , oder und gibt Erfolg, Misserfolg oder Laufen zurück.
- ZustandsknotenpunktTestet eine boolesche Eigenschaft der Welt - wie , oder - und gibt Erfolg zurück, wenn er wahr ist, Misserfolg sonst.
Design Custom Behaviors: Ein Schritt-für-Schritt-Ansatz
Benutzerdefinierte Roboterverhalten zu erstellen bedeutet, eigene Blattknoten zu schreiben und sie zu Bäumen zusammenzusetzen. Der Prozess umfasst drei Phasen: Analyse, Knotenimplementierung und Baummontage.
1. Zerlegen der Mission in atomare Aufgaben
Beginnen Sie mit der Aufschlüsselung des gesamten Roboterziels in kleine, testbare Schritte. Zum Beispiel könnte eine "Explore Room" -Mission Folgendes umfassen: Batterie überprüfen, zum Wegpunkt wechseln, nach Hindernissen suchen, Daten aufzeichnen, zum Start zurückkehren. Jeder Schritt sollte entweder eine Bedingung (z. B. Batterie > 20%) oder eine Aktion sein (z. B. 1 Meter bewegen).
2. Implementierung von Custom Action Nodes
Aktionsknoten benötigen normalerweise Zugriff auf Roboterhardware oder Middleware. Die meisten Frameworks bieten eine Basisklasse wie in BehaviorTree.CPP oder in py trees. Ihr benutzerdefinierter Knoten muss eine -Methode (oder implementieren, die einen Schritt der Aktion ausführt und einen Status zurückgibt. Für lange Operationen speichern Sie den Status in den Datenelementen des Knotens und geben Running bis zum Ende zurück. Beispiel (Pseudocode):
Wichtige Gestaltungsprinzipien für Aktionsknoten:
- Machen Sie Aktionen AtomatomeJeder Tick führt ein kleines, sicheres Inkrement aus.
- Rückgabe Laufen Solange die Aktion im Gange ist; der Baum wird wieder ticken.
- Behandeln Sie die Präemption anmutig - der Knoten kann gestoppt werden, wenn sich eine Bedingung ändert.
- Verwendung Tafeltafel (ein gemeinsamer Speicherplatz), um Daten zwischen Knoten wie Zielkoordinaten oder Sensormessungen zu übertragen.
3. Implementierung von Custom Condition Nodes
Zustandsknoten sind einfacher. Sie lesen den Zustand des Roboters (Sensorwerte, Timer, Blackboard-Variable) und geben sofort Erfolg oder Misserfolg zurück. Sie sollten niemals mehrere Ticks blockieren oder nehmen. Beispiel:
Bedingungen werden oft als erstes Kind eines Selectors platziert, um eine Prioritätsprüfung vor der Ausführung einer Aktion durchzuführen. zum Beispiel: "Wenn die Batterie niedrig ist, lade auf; sonst fahre fort."
4. Verfassen Sie den Verhaltensbaum
Sobald Knoten implementiert sind, ordnen Sie sie in einen Baum an, indem Sie Steuerknoten, Dekorateure und Teilbäume verwenden. Der Baum kann programmatisch in Code oder mit einem visuellen Editor erstellt werden. Eine typische Struktur für eine autonome Navigationsaufgabe:
- Wähleinrichtung (Vorzugshandlungen)
- Sequenz (Aufladung bei niedriger Batterie)
- BatteryLow (Zustand)
- NavigateToCharger (Aktion)
- DockAndCharge (Aktion)
- Sequenz (Erkunden)
- Hindernis? (Zustand)
- —Wähleinrichtung
- AvoidObstacle (Aktion)
- Umplanung (Aktion)
- MoveToWaypoint (Aktion)
- RecordData (Aktion)
- Sequenz (Aufladung bei niedriger Batterie)
Dieser Baum überprüft zuerst den Batteriestand, wenn er niedrig ist, lädt er sich auf. Andernfalls erforscht er: Wenn ein Hindernis entdeckt wird, vermeidet oder plant er es um. Dann bewegt er sich, zeichnet Daten auf und wiederholt sich. Der Baum läuft in einer Schleife, bis er unterbrochen wird.
Erweiterte Knotentypen und Muster
Wenn die Anforderungen Ihres Roboters steigen, können Sie anspruchsvollere Knotentypen nutzen, um Parallelität, Timeouts und Fehlerwiederherstellung zu bewältigen.
Parallelknotenpunkt
Ein Parallelsteuerungsknoten führt alle seine Kinder gleichzeitig aus. Er kann so konfiguriert werden, dass er erfolgreich ist, wenn alle erfolgreich sind, wenn eine bestimmte Zahl erfolgreich ist oder wenn ein Kind ausfällt. Verwenden Sie parallele Knoten für Aufgaben wie "Bewegen Sie sich, während Sie nach Landmarken suchen" oder "Audio während des Drehens abspielen".
Subtree Node
Ein Subtree-Knoten (oder "Subtree"-Referenz) ermöglicht es Ihnen, einen ganzen Baum als Knoten in einem anderen Baum wiederzuverwenden. Dies ist für große Projekte unerlässlich - Sie können eine Bibliothek mit gemeinsamen Verhaltensweisen (z. B. "Docking", "Sicherheitsstopp") erstellen und diese in Missionen auf höherer Ebene zusammenstellen.
Fallback mit Retry
Um Verhaltensweisen robust zu machen, wickeln Sie eine Aktion in eine RetryUntilErfolgreich Wenn ein Greifer nicht schließt, wiederholt der Dekorateur die Aktion bis zu dreimal, bevor er aufgibt.
Tools und Frameworks für die Verhaltensbaumentwicklung
Mehrere ausgereifte Bibliotheken unterstützen das Erstellen und Ausführen von Verhaltensbäumen in der Robotik, oft mit ROS (Robot Operating System).
- BehaviorTree.CPP – Eine C++ Bibliothek (mit Python Bindungen), die in der industriellen Robotik weit verbreitet ist. Visual Editor und native ROS 2-Integration über .
- py trees Eine reine Python-Bibliothek, ideal für Rapid Prototyping und pädagogische Nutzung. py trees ROS-Paket.
- ROS-Verhaltensbäume Das offizielle ROS 2-Paket FLT:13 bietet einen grafischen Editor und eine Laufzeit-Engine zum Erstellen von konfigurierbaren Verhaltensbäumen.
- Unwirkliche Motorenverhaltensbäume Während es für Spiele entwickelt wurde, wird das dedizierte Verhaltensbaumsystem von Unreal zunehmend in Simulationsumgebungen für die Robotikvalidierung verwendet.
Alle diese Tools unterstützen die hier beschriebenen Kernknotentypen und die meisten bieten Blackboard-Systeme für Datenaustausch und Echtzeit-Debugging.
Debugging und Testen von Custom Behaviors
Verhaltensbäume machen Debugging intuitiver als State Machines, weil man den Ausführungspfad visualisieren kann.
- Log Tree Status - Die meisten Frameworks erlauben es Ihnen, einen Abonnenten zu registrieren, um zu sehen, welcher Knoten bei jedem Tick Erfolg/Fehler zurückgegeben hat.
- Verwenden Sie Tree Visualizer Tools wie Groot (für BehaviorTree.CPP) oder py trees erzeugen Echtzeit-Visualisierungen des Baumes mit Knotenstatus in grün (Erfolg), rot (Ausfall) oder blau (Laufen).
- Prüfblattknoten Testen Sie jede Aktion und jeden Zustand isoliert, indem Sie die Rückmeldung von Sensor und Aktor verspotten.
- Hinzufügen von Sicherheitsknoten Implementieren Sie Watchdog-Bedingungen (z. B. "Batteriespannungsnotfall") auf der Wurzelebene, um jedes Verhalten außer Kraft zu setzen und den Roboter in einen sicheren Zustand zu versetzen.
Real-World-Beispiel: Warehouse Pick-and-Place Robot
Man denke an einen Roboter, der Gegenstände aus einem Regal nehmen und in einen Mülleimer legen muss. Der Verhaltensbaum könnte so aussehen:
- Wähleinrichtung (Hauptanschluss)
- Sequenz - "Handle Overflow"
- BinFull? (Zustand)
- EmptyBin (Aktion)
- Sequenz „Pick and Place
- TeilEntdeckt? (Zustand)
- MoveToPart (Aktion)
- Grasp (Action) [umhüllt mit Retry(2)]
- MoveToBin (Aktion)
- Release (Aktion)
- Idle (Aktion – Returns Running, bis neue Teile ankommen)
- Sequenz - "Handle Overflow"
Dieser Baum priorisiert die Mülleimerhaltung, dann die Auswahl und den Platz und fällt wieder in den Leerlauf. Jede Aktion meldet Running bis zum Abschluss, und der Baum überprüft ständig die Bedingungen. Das Ergebnis ist ein Roboter, der sich autonom an die Mülleimerfülle und die Verfügbarkeit von Teilen anpasst.
Schlussfolgerung
Verhaltensbäume bieten Ihnen eine leistungsstarke, modulare Möglichkeit, benutzerdefinierte Roboterverhaltensweisen zu erstellen, die leicht zu verstehen, zu testen und zu erweitern sind. Durch die Beherrschung der Kernknotentypen - Sequenzen, Selektoren, Dekorateure und Blattknoten - können Sie Verhaltensweisen erstellen, die mit der Komplexität der realen Welt umgehen, ohne Logik zu verwickeln. Beginnen Sie damit, die Mission Ihres Roboters in atomare Aktionen und Bedingungen zu zerlegen, benutzerdefinierte Knoten mit sauberem Zustandsmanagement zu implementieren und sie zu einem Baum zusammenzusetzen, der in Echtzeit auf Sensordaten reagiert. Mit den richtigen Tools und Debugging-Praktiken können Sie anspruchsvolle autonome Systeme erstellen, die sowohl robust als auch anpassungsfähig sind.