局部规划器选型聊完了，DWA、TEB、MPC三种方案的特点和适用场景应该清楚了。从这篇开始，我们进入行为树系列。

Nav2用行为树来编排整个导航流程，行为树在机器人任务管理领域已经成了标配方案。面试问到Nav2架构，行为树是绕不开的话题。

行为树（Behavior Tree，简称BT）听起来很高大上，但核心概念其实很简单。它就是用一棵树来组织机器人的行为逻辑，树的每个节点负责一小块任务，节点之间通过固定的组合方式协作。搞清楚四种基本节点类型，行为树就入门了。

一、为什么需要行为树

在行为树之前，机器人任务管理的主流方案是有限状态机（FSM）。状态机用状态和转移来组织逻辑——"如果在充电状态且电量低于20%，转移到充电行为"。

状态机的问题在于：状态一多就变成蜘蛛网。十几个状态之间的转移关系可能上百条，改一个状态可能影响一堆转移。调试和维护都很痛苦。

行为树换了一种完全不同的思路。它不用"状态+转移"，而是用"节点组合"来组织逻辑。核心优势是模块化——每个节点只关心自己的任务，节点之间的交互规则是固定的（由节点类型决定）。加一个新行为只需要在树上挂一个新节点，不影响其他部分。

游戏行业最早大规模使用行为树（《光环2》之后几乎成了游戏AI的标配），后来机器人领域也跟进采用。

二、四种基本节点类型

行为树的节点分两大类：控制节点（compositor）和执行节点（leaf）。

控制节点负责"怎么组织子节点"，有四种基本类型：

1. 序列节点（Sequence）

子节点从左到右依次执行。只要有一个子节点返回Failure，整个序列就返回Failure。只有所有子节点都返回Success，序列才返回Success。

类似于编程里的"逻辑与"（AND）。

Sequence ├── 检查电量充足？ ├── 计算路径 └── 执行导航

"检查电量"失败（电量不足），后面的"计算路径"和"执行导航"都不执行。

2. 选择节点（Fallback/Selector）

子节点从左到右依次执行。只要有一个子节点返回Success，整个选择节点就返回Success。只有所有子节点都返回Failure，选择节点才返回Failure。

类似于"逻辑或"（OR）。

Fallback ├── 直接到达目标？ ├── 重新规划路径 └── 执行恢复行为

"直接到达"成功就不需要后面的步骤。失败了就尝试"重新规划"。规划也失败了就执行"恢复行为"。

3. 装饰节点（Decorator）

只有一个子节点，对子节点的结果做修饰。常见的装饰器有：

• Inverter：反转结果。Success变Failure，Failure变Success。
• Repeat：重复执行子节点N次。
• RetryUntilSuccessful：反复重试直到成功（或达到最大次数）。
• Timeout：给子节点设一个超时时间。

RetryUntilSuccessful (max_tries=3) └── 请求机械臂抓取

抓取失败就重试，最多试3次。

4. 并行节点（Parallel）

同时执行所有子节点。返回结果的策略可以配置——比如"所有子节点都Success才Success"或者"有一个Success就Success"。

Parallel (success_threshold=2) ├── 导航到目标位置 ├── 持续检测障碍物 └── 上报当前位置

三个任务同时跑，只要有2个成功就算成功。

三、执行节点：叶子节点

控制节点下面的叶子节点才是真正干活的。叶子节点分两种：

Condition（条件节点）——检查某个条件是否满足。比如"电量是否充足""目标是否可见"。不满足返回Failure，满足返回Success。执行是瞬时的，不耗时。

Action（动作节点）——执行一个具体动作。比如"发送速度指令""调用规划服务""发出语音提示"。动作节点通常需要时间执行，返回Running直到完成。

Sequence
├── [Condition] 电量 > 20%
├── [Action] ComputePath → 调用全局规划器
└── [Action] FollowPath → 调用局部规划器

这棵小树的意思是：先检查电量，够了再算路径，算出来再执行。

四、行为树的执行机制

行为树从根节点开始，按深度优先的方式遍历。每个tick（通常10-20ms一次）执行一遍整棵树。

执行规则：

1. 序列节点：从第一个子节点开始执行。如果子节点返回Running，下次tick还从这个子节点继续。
2. 选择节点：从第一个子节点开始。如果返回Failure，尝试下一个。返回Running就暂停在这里。
3. 装饰节点：先执行唯一的子节点，再根据装饰规则处理返回值。
4. 叶子节点：条件节点瞬时返回Success/Failure，动作节点可能返回Running。

# 序列节点的tick逻辑简化
class Sequence(Node):
    def tick(self):
        for child in self.children:
            status = child.tick()
            if status == FAILURE:
                return FAILURE
            if status == RUNNING:
                return RUNNING  # 下次从这里继续
        return SUCCESS

这种执行机制的关键特性是：行为树是"反应式"的。每个tick都从根节点重新评估，条件变了行为立刻跟着变。不像状态机需要显式的转移条件。

来看一个完整的例子。Nav2的导航行为树简化版：

<root main_tree_to_execute="MainTree">
  <BehaviorTree ID="MainTree">
    <Sequence name="NavigateWithReplanning">
      <RetryUntilSuccessful num_attempts="3">
        <Sequence>
          <ComputePath goal="{goal}" path="{path}"/>
          <FollowPath path="{path}"/>
        </Sequence>
      </RetryUntilSuccessful>
      <ClearCostmap/>
    </Sequence>
  </BehaviorTree>
</root>

执行流程：先尝试"算路径+走路径"的组合。如果任一步骤失败，重试最多3次。3次都失败就清除代价地图（恢复行为），然后整棵树的tick结束，等下一个tick重新来。

注意黑板变量{goal}和{path}——ComputePath把算好的路径写到黑板的path字段，FollowPath从黑板读取路径。两个动作节点通过黑板通信，互不直接依赖。

五、面试高频追问

Q：行为树和状态机的核心区别是什么？ A：状态机用"状态+转移"组织逻辑，行为树用"节点组合"组织逻辑。行为树的优势是模块化（加新行为不影响旧逻辑）和反应式执行（条件变了行为自动变）。

Q：行为树的tick频率一般设多少？ A：Nav2里默认是10-20Hz（50-100ms一次）。频率太高浪费CPU，太低响应不够快。具体取决于任务需求——避障要求高的可以跑快一些。

Q：行为树怎么处理并发任务？ A：用并行节点（Parallel）。但并行节点的子节点共享同一个执行线程，不是真正的多线程。如果需要真正的并行执行，得用多个行为树或者在动作节点内部实现异步。

Q：行为树的"黑板"（Blackboard）是什么？ A：黑板是行为树的全局数据共享机制。节点之间通过黑板读写数据。比如规划器把算好的路径写到黑板上，控制器从黑板上读路径。黑板避免了节点之间的直接耦合。Nav2用的是BehaviorTree.CPP库的黑板实现，支持类型检查和端口映射。

行为树的四种基本节点类型就是这些基础。看起来简单，但组合起来能表达非常复杂的逻辑。下一篇我们来聊行为树的设计模式——怎么把这些基本节点拼成实用的机器人任务管理方案。

---

行为树系列开篇，把序列、选择、装饰、并行四种基本节点讲清楚了。理解了这些基础，后面的设计模式和实战应用就好懂了。行为树是Nav2的核心调度机制，面试必问。

上一篇：第270篇 局部规划器选型 

下一篇聊行为树的设计模式。

如果这篇文章对你有帮助，欢迎点赞支持一下，你的鼓励是我持续更新的动力！