[论文解读] Comparison between Behavior Trees and Finite State Machines

Matteo Iovino, Julian Förster+4 more|arXiv (Cornell University)|May 25, 2024

Evolutionary Algorithms and Applications被引用 4

一句话总结

本文在移动操作任务中对行为树（BTs）与有限状态机（FSMs）的机器人控制进行了比较，使用共享的底层技能以确保公平性。研究发现，尽管两者在行为结果上表现相当，但行为树在复杂任务中显著降低了编程工作量并提升了可维护性，这得益于其更优的模块化、反应性和可读性，尤其在任务复杂度增加时更为明显。

ABSTRACT

Behavior Trees (BTs) were first conceived in the computer games industry as a tool to model agent behavior, but they received interest also in the robotics community as an alternative policy design to Finite State Machines (FSMs). The advantages of BTs over FSMs had been highlighted in many works, but there is no thorough practical comparison of the two designs. Such a comparison is particularly relevant in the robotic industry, where FSMs have been the state-of-the-art policy representation for robot control for many years. In this work we shed light on this matter by comparing how BTs and FSMs behave when controlling a robot in a mobile manipulation task. The comparison is made in terms of reactivity, modularity, readability, and design. We propose metrics for each of these properties, being aware that while some are tangible and objective, others are more subjective and implementation dependent. The practical comparison is performed in a simulation environment with validation on a real robot. We find that although the robot's behavior during task solving is independent on the policy representation, maintaining a BT rather than an FSM becomes easier as the task increases in complexity.

研究动机与目标

• 为移动操作任务中的机器人策略设计提供一种实用且公平的行为树（BTs）与有限状态机（FSMs）比较。
• 通过具体的机器人实例，评估并量化行为树与有限状态机在反应性、模块化、可读性和设计工作量方面的差异。
• 验证行为树相较于有限状态机在复杂、分层任务中能显著减少编程工作量并提升可维护性。
• 通过引入分层有限状态机、真实机器人验证以及算法复杂度与图结构的新度量方法，扩展先前的研究工作。
• 证明即使在有限状态机被重新设计以模仿行为树行为的情况下，行为树在容错能力和分层任务结构方面仍具有内在优势。

提出的方法

• 作者为行为树和有限状态机控制器实现了完全相同的底层机器人技能（例如：导航、拾取物体、对接），以确保比较的公平性。
• 采用深度优先前序遍历机制来触发行为树，通过控制节点（序列、备用、并行）和执行节点（动作、条件）定义行为。
• 对于有限状态机，设计了一种容错变体，其中所有状态均连接至一个中心的“选择器”状态，以实现反应性，模拟行为树的行为。
• 引入了度量方法，用于量化模块化（通过共享的输入/输出结构）、反应性（通过转换复杂度和故障恢复工作量）以及可读性（通过图距离和结构复杂度）。
• 在仿真环境中使用RoboCup@Home基准任务对比较结果进行评估，并在WASP研究园区的真实移动操作机器人上进行了验证。
• 采用算法复杂度边界和图距离度量，客观比较行为树与有限状态机表示之间的结构差异。

实验结果

研究问题

• RQ1 在处理低电量或动作失败等意外事件时，行为树与有限状态机在反应性方面有何差异？
• RQ2 行为树与有限状态机在模块化方面的差异有多大？这种差异如何影响复杂任务中的可维护性和可重用性？
• RQ3 随着任务复杂度的增加，行为树与有限状态机的策略表示可读性如何变化？
• RQ4 在真实世界的移动操作任务中，使用行为树与有限状态机实现和修改策略所需编程工作量的相对差异是什么？
• RQ5 若对有限状态机进行重新设计，能否实现与行为树相当的反应性？如果是，其在结构复杂度和实现工作量方面的代价如何？

主要发现

• 无论由行为树还是有限状态机控制，机器人的任务执行行为在功能上完全一致，证实了行为结果与策略表示方式无关。
• 行为树展现出更优的模块化能力：整个子树可独立重用、测试和验证，而有限状态机的状态则需修改其所有相关转换。
• 反应性在行为树中通过“运行”状态和分层控制节点天然支持，而有限状态机需显式重新设计（如所有状态均连接至选择器状态）才能实现类似容错能力。
• 随着复杂度增加，有限状态机的可读性因转换密度过高而下降，而行为树凭借分层树状结构即使在复杂任务中仍能保持清晰。
• 在有限状态机中，编程工作量随任务复杂度显著增加，尤其是在处理基于优先级的任务切换和故障恢复时，而行为树则表现出更平滑的可扩展性。
• 图距离和算法复杂度度量结果证实，行为树在结构上比有限状态机更紧凑、更有序，尤其在分层任务中表现更为明显。