皇家技术学院（KTH）和国家海洋学中心的研究人员最近使用行为树（BT）来设计用于关键任务的模块化，多功能且鲁棒的控制架构。他们的研究预先发表在arXiv上，专门将BT框架应用于自动水下航行器（AUV）的控制系统。
水下航行器是用于各种任务的水下车辆，例如检测和绘制水下物体或识别航行危险和障碍物中国机械网okmao.com。由于其通信带宽和范围的限制，这些车辆不能依赖空中或地面操作机器人使用的远程操作解决方案。
而且，AUV通常部署在偏远地区，因此在发生故障后对其进行恢复通常非常困难且昂贵。为了应对这些挑战，AUV控制系统应既坚固又通用，以确保车辆的安全性并适应不同的情况。
KTH和国家海洋学中心的研究人员团队试图使用行为树（BT），最近在AI和机器人技术领域越来越流行的数学模型来应对这些挑战。BT最初是为视频游戏而开发的，旨在增加非玩家角色（NPC）控制结构的模块化。
进行这项研究的研究人员之一克里斯托弗·伊利夫·斯普拉格（Christopher Iliffe Sprague）对TechXplore表示：“这种模块化允许进行有效的测试，增量功能设计和代码重用，所有这些在视频游戏行业中都是非常有利的。”
“类似地，我们发现这些方面在设计机器人人工智能（AI）方面非常有用，主要好处是可以在其他高级行为的上下文中重用和测试行为，而无需指定它们与后续行为的关系。与更常用的有限状态机相比，这些优点是惊人的。”
通用关键任务系统BT。通过始终检查安全状况并在需要时采取适当的措施来实现坚固性。
实质上，BT提供了用于在多个任务之间切换的分层结构。在关键任务系统中，例如侦察车或自动驾驶汽车，通常可以将超出范围的目标分解为几个子任务。因此，BT可以帮助更好地组织这些任务并在它们之间转移。
Sprague解释说：“借助BT固有的层次结构，可以将任务分解为不同程度的特异性。” “在我们的论文中，我们在AUV的背景下对此进行了展示，该AUV的任务是执行由一系列路点定义的任务。我们首先通常定义一个满足系统领域要求的BT（例如，水下航行器），然后完善BT通过添加与特定目标有关的子任务进一步实现了这一目标。”
Sprague和他的同事们将BT改进过程应用到了国家海洋学研究所（National Oceanography Institute）进行的AUV任务中。
他们的BT框架使AUV控制系统更加强大，可以在进行其他后续任务之前监控其安全性。BT还允许更大的多功能性，优先处理子任务并允许系统在它们之间灵活切换。
斯普拉格说：“我们研究结果中最重要的是，我们已经展示了如何首先概述行为树以满足一般领域的要求，然后针对特定任务对其进行进一步完善，而又不牺牲原始树的结构。” “关键的收获是，人们可以灌输某些任务优先级，而安全性是最关键的，并且不管任务树如何变得特定，都可以保留它们。”
Sprague及其同事已成功展示了使用BT控制关键任务系统（如AUV）的优势。但是，使用BT提取任务的程度仍然受到人类识别任务分解能力的限制。尽管在某些情况下可以直观地分解任务，但在另一些情况下，系统的行为要复杂得多。
斯普拉格说：“我们现在寻求从示例中自动合成BT，同时考虑到最优性。” “在另一篇论文中，我们研究了如何通过机器学习方法来实现针对特定任务的最佳控制。我们现在想研究使用这种方法从示例中识别和优化任务以及总体树结构。我们怀疑这将揭示行为。难以被人识别。”
