Comparison between Behavior Trees and Finite State Machines

行为树（BTs）最初在计算机游戏行业中被构想出来作为建模代理行为的工具，但它们也在机器人社区中引起了关注，作为有限状态机（FSMs）的替代策略设计。许多作品都强调了BTs相对于FSMs的优势，但是这两种设计的实际比较还没有得到彻底的研究。这样的比较在机器人行业中尤为重要，因为FSMs在机器人控制的策略表示方面已经是最先进的技术多年了。在这项工作中，我们通过比较BTs和FSMs在控制机器人进行移动操作任务时的行为表现，来阐明这个问题。比较是以反应性、模块化、可读性和设计等方面进行的。我们提出了每个属性的度量标准，意识到虽然有些是具体客观的，但有些则更加主观和实现相关。实际比较是在仿真环境中进行的，并在真实机器人上进行验证。我们发现，虽然机器人在任务解决过程中的行为不依赖于策略表示，但随着任务复杂度的增加，维护BT而不是FSM变得更加容易。

比较行为树和有限状态机在机器人控制中的表现，探讨它们在可读性、设计、模块化和反应性等方面的优劣，为机器人控制提供更好的策略设计。

通过在模拟环境和真实机器人上进行实验，比较行为树和有限状态机在机器人控制中的表现，发现随着任务复杂度的增加，使用行为树进行策略设计比有限状态机更容易。

实验结果表明，行为树相比有限状态机具有更好的可读性、模块化和设计灵活性，而两者在机器人任务解决的表现上并无太大差异。论文提出的比较指标可以为机器人控制的策略设计提供参考。

近期的相关研究包括基于深度学习的机器人控制、强化学习在机器人控制中的应用等。