Behavior Trees for Robotic Systems: A Survey

该论文是机器人行为树领域的综合性综述，系统梳理了行为树在机器人系统中的表示、设计、执行和学习方法。行为树是一种用于AI决策和任务执行的树形结构，由组合节点（序列、选择、并行）、装饰节点（反相、重复、超时）和叶节点（动作、条件）组成，具有模块化、可组合、可重用、可读性强等优点。论文详细讨论了：1）行为树的数学基础和形式化语义；2）行为树与有限状态机（FSM）、层次任务网络（HTN）、决策树等其他表示方法的对比；3）行为树的设计方法和最佳实践；4）行为树的执行引擎和实时性保证；5）行为树的学习方法，包括从演示中学习行为树、通过强化学习优化行为树、使用进化算法自动生成行为树等；6）行为树在游戏AI、机器人、自动驾驶、无人机等领域的应用。该综述引用超过500次，是行为树领域的重要参考资料。