PythonRobotics 行为树Behavior Tree实战MissionPlanning 模块的节点体系、XML 构建与机器人巡逻控制【免费下载链接】PythonRoboticsPython sample codes and textbook for robotics algorithms.项目地址: https://gitcode.com/GitHub_Trending/py/PythonRobotics导读本篇文章以 PythonRobotics 仓库 MissionPlanning/BehaviorTree 模块为主线系统讲解行为树Behavior Tree这一模块化、层次化决策模型在机器人任务规划中的落地实现。你将掌握Status状态枚举与三类节点控制节点、动作节点、装饰器节点的语义与源码级运行机制学会通过BehaviorTreeFactory将 XML 描述解析为可执行的行为树并基于仓库自带的巡逻机器人案例电池管理、避障、限时任务、条件转移完成一次完整的任务规划编排。什么是行为树任务驱动而非状态驱动行为树是一种模块化、层次化的决策模型被广泛应用于机器人控制与游戏开发。正如 behavior_tree_main.rst 所述它与层次状态机Hierarchical State Machine存在相似之处但关键区别在于行为的基本构建单元是任务task而非状态state。状态机描述的是当前处于什么状态、什么事件触发转移而行为树描述的是当前要执行什么任务、任务返回何种结果、结果如何决定下一步分支。行为树已被证明能够泛化多种控制架构是编写复杂、可复用机器人行为逻辑的通用范式。在 PythonRobotics 中行为树归属于 MissionPlanning任务规划模块与有限状态机StateMachine并列共同用于描述机器人的行为与高层任务规划见 mission_planning_main.rst。行为树的三类节点与状态语义行为树由节点组成所有节点共享同一个基类Node。核心实现位于 behavior_tree.py其顶层定义了两种枚举StatusSUCCESS/FAILURE/RUNNING——节点每次被tick后返回的三种执行状态NodeTypeCONTROL_NODE/ACTION_NODE/DECORATOR_NODE——节点的三大分类。基类Node提供了统一的执行与复位接口tick()执行一次节点逻辑并返回Status基类未实现抛出ValueError(Node is not implemented)tick_and_set_status()执行tick()并将结果写回self.statusreset()将节点状态复位为Nonereset_children()递归复位子节点状态基类为空实现子类按需覆盖。控制节点Control Node控制节点管理其多个子节点的执行流程决定执行哪些子节点、按什么顺序执行。相关类包括ControlNode基类、SequenceNode、SelectorNode、WhileDoElseNode。控制节点的子节点数量不能为空否则在 tick 时会抛出ValueError(Children are not set)。SequenceNode顺序节点按顺序执行子节点直到某个子节点返回FAILURE或全部成功。其状态转移逻辑为任一子节点返回FAILURE→ 复位全部子节点并返回FAILURE子节点成功 → 推进到下一个子节点并返回RUNNING子节点仍在运行 → 返回RUNNING全部子节点执行完毕 → 复位并返回SUCCESS。注意实现细节SequenceNode通过current_child_index记录进度即使某次 tick 中子节点已成功也会先返回RUNNING等待下一次 tick 再执行下一个子节点——这正是行为树分时推进的关键特征。SelectorNode选择节点按顺序尝试子节点直到某个子节点成功或全部失败任一子节点返回SUCCESS→ 复位全部子节点并返回SUCCESS子节点失败 → 尝试下一个子节点并返回RUNNING全部失败 → 复位并返回FAILURE。WhileDoElseNode条件执行节点实现条件-执行-否则的三段式结构子节点数量必须为 2 或 3 个否则抛出ValueError先执行条件子节点children[0]条件返回SUCCESS→ 执行 do 子节点children[1]返回RUNNING即条件满足时循环执行 do条件返回FAILURE→ 若存在 else 子节点children[2]则执行并透传其状态否则复位并返回SUCCESS。动作节点Action Node动作节点负责执行具体任务没有子节点是行为树中真正做事的叶子节点。基类ActionNode直接继承Node相关类包括EchoNode与SleepNode。EchoNode将message参数打印到控制台随后返回SUCCESSSleepNode接收duration秒参数在内部记录start_time未到指定时长前返回RUNNING超时后返回SUCCESS——典型的耗时型动作节点实现方式。装饰器节点Decorator Node装饰器节点修改其唯一子节点的行为且必须且只能有一个子节点否则构建或 tick 时抛出ValueError。基类DecoratorNode通过self.child持有唯一的子节点。InverterNode取反子节点返回FAILURE时返回SUCCESS子节点返回SUCCESS时返回FAILURERUNNING透传TimeoutNode超时接收timeout秒参数超过时限直接返回FAILURE否则透传子节点状态DelayNode延迟接收delay秒参数延迟期内返回RUNNING到期后执行子节点并透传其状态ForceSuccessNode强制成功子节点返回SUCCESS或FAILURE时一律返回SUCCESSRUNNING透传ForceFailureNode强制失败子节点返回任意终态时一律返回FAILURERUNNING透传。用 BehaviorTreeFactory 从 XML 构建行为树BehaviorTreeFactory是 XML 与行为树对象之间的桥梁实现了用声明式 XML 描述行为、用工厂解析执行的完整链路。其公开成员包括register_node_builder(node_name, builder)注册自定义节点标签与对应的构建函数build_node(node)将一个 XML 元素递归构建为节点对象并校验节点类型约束控制节点必须有子节点、装饰器节点必须恰好一个子节点、动作节点必须无子节点否则抛出ValueErrorbuild_tree(xml_string)从 XML 字符串构建整棵BehaviorTreebuild_tree_from_file(file_path)从 XML 文件构建行为树。工厂在初始化时已预注册了 11 种内置节点标签及其属性解析规则XML 标签对应节点类关键属性SequenceSequenceNodename可选SelectorSelectorNodename可选WhileDoElseWhileDoElseNodename可选InverterInverterNodename可选TimeoutTimeoutNodename、sec必填秒DelayDelayNodename、sec必填秒ForceSuccessForceSuccessNodename可选ForceFailureForceFailureNodename可选SleepSleepNodename、sec必填秒EchoEchoNodename、message必填behavior_tree.py自带的main()演示了最小可运行案例将包含Echo、Delay的 XML 序列化为行为树再调用tick_while_running()持续驱动运行Sequence nameSequence Echo nameEcho0 messageHello, World0! / Delay nameDelay sec1.5 Echo nameEcho1 messageHello, World1! / /Delay Echo nameEcho2 messageHello, World2! / /SequenceBehaviorTree驱动、复位与可视化BehaviorTree类负责整棵树的运行管理对外暴露以下方法tick()对根节点执行一次tick_and_set_status()reset()复位整棵树tick_while_running(intervalNone, enable_printTrue)循环 tick直到根节点返回非RUNNING状态可通过interval秒控制 tick 间隔enable_print控制是否打印树形结构print_tree()/to_text()将树递归格式化为带缩进的文本并依据节点状态着色。print_tree()的文本格式约定控制节点用方括号[...]、装饰器节点用圆括号(...)、动作节点用尖括号...状态颜色约定为黄色\033[93m RUNNING、绿色\033[92m SUCCESS、红色\033[91m FAILURE。运行巡逻机器人案例时终端会实时打印节点状态例如原文档中给出的完整输出运行python MissionPlanning/BehaviorTree/robot_behavior_case.py可获得类似结果Behavior Tree [Robot Main Controller] [Battery Management] (Low Battery Detection) Check Battery Low Battery Warning Charge Battery [Patrol Task] Start Task [Move to Position A] Move to A [Obstacle Handling A] [Obstacle Present] Detect Obstacle Avoid Obstacle No Obstacle Position A Task [Move to Position B] (Short Wait) Prepare Movement Move to B (Limited Time Obstacle Handling) [Obstacle Present] Detect Obstacle Avoid Obstacle Position B Task [Conditional Move to C] Check Sufficient Battery [Perform Position C Task] Move to C (Ensure Completion) Position C Task Skip Position C Complete Patrol Return to Charging Station Behavior Tree该行为树的完整可视化结构见 robot_behavior_case.svg根节点为Selector (Robot Main Controller)其下并列Sequence (Battery Management)与Sequence (Patrol Task)两大分支橙色框为装饰器节点、蓝色框为控制节点、红/绿色框为动作节点。实战案例XML 编排巡逻机器人行为树仓库在 robot_behavior_case.py 中提供了一个完整可运行的机器人行为树案例模拟巡逻机器人低电量充电、逐点巡检、避障、限时任务、条件转移、返回充电桩的完整任务流程。第一步定义自定义动作节点案例通过继承ActionNode实现了 6 个业务动作节点CheckBatteryNode模拟电量衰减每次随机下降 1–5%低于threshold默认 20返回FAILURE否则SUCCESSChargeBatteryNode按charge_rate递增电量充满返回SUCCESS充电中返回RUNNINGMoveToPositionNode按move_duration模拟移动耗时完成前返回RUNNINGDetectObstacleNode按obstacle_probability默认 0.3随机返回SUCCESS检测到障碍或FAILURE无障碍AvoidObstacleNode按avoid_duration默认 1.5 秒模拟避障过程PerformTaskNode按task_duration默认 3 秒执行指定任务。第二步注册自定义节点到工厂在create_robot_behavior_tree()中通过register_node_builder将 XML 标签与自定义节点绑定并解析对应的属性参数factory.register_node_builder( CheckBattery, lambda node: CheckBatteryNode( node.attrib.get(name, CheckBattery), int(node.attrib.get(threshold, 20)), ), )其余标签ChargeBattery、MoveToPosition、DetectObstacle、AvoidObstacle、PerformTask以相同方式注册随后读取同目录下的 robot_behavior_tree.xml 构建整棵树。第三步用 XML 声明行为树结构robot_behavior_tree.xml是案例的行为编排核心完整展示了所有节点类型如何协同工作。根节点为Selector失败时自动尝试下一分支保证充电与巡逻总有一个会执行其主要片段如下Selector nameRobot Main Controller !-- Charge battery when power is low -- Sequence nameBattery Management Inverter nameLow Battery Detection CheckBattery nameCheck Battery threshold30 / /Inverter Echo nameLow Battery Warning messageBattery level low! Charging needed / ChargeBattery nameCharge Battery charge_rate20 / /Sequence !-- Main task sequence -- Sequence namePatrol Task Echo nameStart Task messageStarting patrol task / Sequence nameMove to Position A MoveToPosition nameMove to A positionA move_duration2 / Selector nameObstacle Handling A Sequence nameObstacle Present DetectObstacle nameDetect Obstacle obstacle_probability0.3 / AvoidObstacle nameAvoid Obstacle avoid_duration1.5 / /Sequence Echo nameNo Obstacle messagePath clear / /Selector PerformTask namePosition A Task task_nameCheck Device Status task_duration2 / /Sequence ... /Sequence /Selector这里可以清晰看到各节点的组合语义InverterCheckBatteryCheckBattery在电量充足时返回SUCCESS被取反为FAILURE从而让Sequence (Battery Management)短路跳过充电分支——取反在此处充当了电量不足检测的逻辑Selector (Obstacle Handling A)优先尝试检测障碍 避障序列若无障碍DetectObstacle返回FAILURE则回退到Echo messagePath clear的兜底动作Delay (Short Wait)与Timeout (Limited Time Obstacle Handling)分别演示延迟后执行与限时 2 秒内完成避障、超时强制失败两种装饰器用法WhileDoElse (Conditional Move to C)以CheckBattery (threshold50)为条件电量充足则循环执行移动至 C 任务否则执行 else 分支跳过 CForceSuccess (Ensure Completion)包裹 C 点任务确保该任务即使失败也被视为完成不阻断后续返回充电站流程。第四步驱动运行def main(): tree create_robot_behavior_tree() tree.tick_while_running(interval0.01)tick_while_running(interval0.01)会以 10ms 间隔持续 tick直到整棵树返回终态。直接运行python MissionPlanning/BehaviorTree/robot_behavior_case.py即可观察充电 → 巡检 A/B/C → 返回充电站的完整行为推演过程。测试验证节点语义的正确性保障仓库为行为树提供了完善的单元测试 test_behavior_tree.py可作为理解节点语义的权威参照test_sequence_node1/test_sequence_node2验证Sequence遇ForceFailure终止并最终FAILURE遇ForceSuccess全部完成后最终SUCCESS且子节点状态在终态后被复位为Nonetest_selector_node1/test_selector_node2验证Selector跳过失败的ForceFailure分支、命中成功分支后终态为SUCCESS全部失败则为FAILUREtest_while_do_else_node自定义CountNode验证WhileDoElse的条件循环与条件失败后跳转 else 的行为test_node_children系统校验节点结构约束——控制节点无子节点、装饰器节点无子节点或超过一个子节点、动作节点带子节点、WhileDoElse子节点数量不为 2 或 3 时均抛出ValueError。运行pytest tests/test_behavior_tree.py即可复现以上全部断言验证行为树框架的各个分支行为。小结PythonRobotics 的 MissionPlanning 模块用约 700 行代码实现了一个麻雀虽小、五脏俱全的行为树框架Status三态枚举驱动节点流转ControlNode / ActionNode / DecoratorNode三类节点覆盖顺序、选择、条件、超时、延迟、强制结果等绝大多数编排需求BehaviorTreeFactory提供 XML 声明式构建能力BehaviorTree.tick_while_running与print_tree则负责驱动与可视化。配合巡逻机器人案例你可以快速将这套任务而非状态的决策范式复用到自己的机器人任务规划、行为切换与异常兜底场景中。【免费下载链接】PythonRoboticsPython sample codes and textbook for robotics algorithms.项目地址: https://gitcode.com/GitHub_Trending/py/PythonRobotics创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PythonRobotics 行为树（Behavior Tree）实战：MissionPlanning 模块的节点体系、XML 构建与机器人巡逻控制
PythonRobotics 行为树Behavior Tree实战MissionPlanning 模块的节点体系、XML 构建与机器人巡逻控制【免费下载链接】PythonRoboticsPython sample codes and textbook for robotics algorithms.项目地址: https://gitcode.com/GitHub_Trending/py/PythonRobotics导读本篇文章以 PythonRobotics 仓库 MissionPlanning/BehaviorTree 模块为主线系统讲解行为树Behavior Tree这一模块化、层次化决策模型在机器人任务规划中的落地实现。你将掌握Status状态枚举与三类节点控制节点、动作节点、装饰器节点的语义与源码级运行机制学会通过BehaviorTreeFactory将 XML 描述解析为可执行的行为树并基于仓库自带的巡逻机器人案例电池管理、避障、限时任务、条件转移完成一次完整的任务规划编排。什么是行为树任务驱动而非状态驱动行为树是一种模块化、层次化的决策模型被广泛应用于机器人控制与游戏开发。正如 behavior_tree_main.rst 所述它与层次状态机Hierarchical State Machine存在相似之处但关键区别在于行为的基本构建单元是任务task而非状态state。状态机描述的是当前处于什么状态、什么事件触发转移而行为树描述的是当前要执行什么任务、任务返回何种结果、结果如何决定下一步分支。行为树已被证明能够泛化多种控制架构是编写复杂、可复用机器人行为逻辑的通用范式。在 PythonRobotics 中行为树归属于 MissionPlanning任务规划模块与有限状态机StateMachine并列共同用于描述机器人的行为与高层任务规划见 mission_planning_main.rst。行为树的三类节点与状态语义行为树由节点组成所有节点共享同一个基类Node。核心实现位于 behavior_tree.py其顶层定义了两种枚举StatusSUCCESS/FAILURE/RUNNING——节点每次被tick后返回的三种执行状态NodeTypeCONTROL_NODE/ACTION_NODE/DECORATOR_NODE——节点的三大分类。基类Node提供了统一的执行与复位接口tick()执行一次节点逻辑并返回Status基类未实现抛出ValueError(Node is not implemented)tick_and_set_status()执行tick()并将结果写回self.statusreset()将节点状态复位为Nonereset_children()递归复位子节点状态基类为空实现子类按需覆盖。控制节点Control Node控制节点管理其多个子节点的执行流程决定执行哪些子节点、按什么顺序执行。相关类包括ControlNode基类、SequenceNode、SelectorNode、WhileDoElseNode。控制节点的子节点数量不能为空否则在 tick 时会抛出ValueError(Children are not set)。SequenceNode顺序节点按顺序执行子节点直到某个子节点返回FAILURE或全部成功。其状态转移逻辑为任一子节点返回FAILURE→ 复位全部子节点并返回FAILURE子节点成功 → 推进到下一个子节点并返回RUNNING子节点仍在运行 → 返回RUNNING全部子节点执行完毕 → 复位并返回SUCCESS。注意实现细节SequenceNode通过current_child_index记录进度即使某次 tick 中子节点已成功也会先返回RUNNING等待下一次 tick 再执行下一个子节点——这正是行为树分时推进的关键特征。SelectorNode选择节点按顺序尝试子节点直到某个子节点成功或全部失败任一子节点返回SUCCESS→ 复位全部子节点并返回SUCCESS子节点失败 → 尝试下一个子节点并返回RUNNING全部失败 → 复位并返回FAILURE。WhileDoElseNode条件执行节点实现条件-执行-否则的三段式结构子节点数量必须为 2 或 3 个否则抛出ValueError先执行条件子节点children[0]条件返回SUCCESS→ 执行 do 子节点children[1]返回RUNNING即条件满足时循环执行 do条件返回FAILURE→ 若存在 else 子节点children[2]则执行并透传其状态否则复位并返回SUCCESS。动作节点Action Node动作节点负责执行具体任务没有子节点是行为树中真正做事的叶子节点。基类ActionNode直接继承Node相关类包括EchoNode与SleepNode。EchoNode将message参数打印到控制台随后返回SUCCESSSleepNode接收duration秒参数在内部记录start_time未到指定时长前返回RUNNING超时后返回SUCCESS——典型的耗时型动作节点实现方式。装饰器节点Decorator Node装饰器节点修改其唯一子节点的行为且必须且只能有一个子节点否则构建或 tick 时抛出ValueError。基类DecoratorNode通过self.child持有唯一的子节点。InverterNode取反子节点返回FAILURE时返回SUCCESS子节点返回SUCCESS时返回FAILURERUNNING透传TimeoutNode超时接收timeout秒参数超过时限直接返回FAILURE否则透传子节点状态DelayNode延迟接收delay秒参数延迟期内返回RUNNING到期后执行子节点并透传其状态ForceSuccessNode强制成功子节点返回SUCCESS或FAILURE时一律返回SUCCESSRUNNING透传ForceFailureNode强制失败子节点返回任意终态时一律返回FAILURERUNNING透传。用 BehaviorTreeFactory 从 XML 构建行为树BehaviorTreeFactory是 XML 与行为树对象之间的桥梁实现了用声明式 XML 描述行为、用工厂解析执行的完整链路。其公开成员包括register_node_builder(node_name, builder)注册自定义节点标签与对应的构建函数build_node(node)将一个 XML 元素递归构建为节点对象并校验节点类型约束控制节点必须有子节点、装饰器节点必须恰好一个子节点、动作节点必须无子节点否则抛出ValueErrorbuild_tree(xml_string)从 XML 字符串构建整棵BehaviorTreebuild_tree_from_file(file_path)从 XML 文件构建行为树。工厂在初始化时已预注册了 11 种内置节点标签及其属性解析规则XML 标签对应节点类关键属性SequenceSequenceNodename可选SelectorSelectorNodename可选WhileDoElseWhileDoElseNodename可选InverterInverterNodename可选TimeoutTimeoutNodename、sec必填秒DelayDelayNodename、sec必填秒ForceSuccessForceSuccessNodename可选ForceFailureForceFailureNodename可选SleepSleepNodename、sec必填秒EchoEchoNodename、message必填behavior_tree.py自带的main()演示了最小可运行案例将包含Echo、Delay的 XML 序列化为行为树再调用tick_while_running()持续驱动运行Sequence nameSequence Echo nameEcho0 messageHello, World0! / Delay nameDelay sec1.5 Echo nameEcho1 messageHello, World1! / /Delay Echo nameEcho2 messageHello, World2! / /SequenceBehaviorTree驱动、复位与可视化BehaviorTree类负责整棵树的运行管理对外暴露以下方法tick()对根节点执行一次tick_and_set_status()reset()复位整棵树tick_while_running(intervalNone, enable_printTrue)循环 tick直到根节点返回非RUNNING状态可通过interval秒控制 tick 间隔enable_print控制是否打印树形结构print_tree()/to_text()将树递归格式化为带缩进的文本并依据节点状态着色。print_tree()的文本格式约定控制节点用方括号[...]、装饰器节点用圆括号(...)、动作节点用尖括号...状态颜色约定为黄色\033[93m RUNNING、绿色\033[92m SUCCESS、红色\033[91m FAILURE。运行巡逻机器人案例时终端会实时打印节点状态例如原文档中给出的完整输出运行python MissionPlanning/BehaviorTree/robot_behavior_case.py可获得类似结果Behavior Tree [Robot Main Controller] [Battery Management] (Low Battery Detection) Check Battery Low Battery Warning Charge Battery [Patrol Task] Start Task [Move to Position A] Move to A [Obstacle Handling A] [Obstacle Present] Detect Obstacle Avoid Obstacle No Obstacle Position A Task [Move to Position B] (Short Wait) Prepare Movement Move to B (Limited Time Obstacle Handling) [Obstacle Present] Detect Obstacle Avoid Obstacle Position B Task [Conditional Move to C] Check Sufficient Battery [Perform Position C Task] Move to C (Ensure Completion) Position C Task Skip Position C Complete Patrol Return to Charging Station Behavior Tree该行为树的完整可视化结构见 robot_behavior_case.svg根节点为Selector (Robot Main Controller)其下并列Sequence (Battery Management)与Sequence (Patrol Task)两大分支橙色框为装饰器节点、蓝色框为控制节点、红/绿色框为动作节点。实战案例XML 编排巡逻机器人行为树仓库在 robot_behavior_case.py 中提供了一个完整可运行的机器人行为树案例模拟巡逻机器人低电量充电、逐点巡检、避障、限时任务、条件转移、返回充电桩的完整任务流程。第一步定义自定义动作节点案例通过继承ActionNode实现了 6 个业务动作节点CheckBatteryNode模拟电量衰减每次随机下降 1–5%低于threshold默认 20返回FAILURE否则SUCCESSChargeBatteryNode按charge_rate递增电量充满返回SUCCESS充电中返回RUNNINGMoveToPositionNode按move_duration模拟移动耗时完成前返回RUNNINGDetectObstacleNode按obstacle_probability默认 0.3随机返回SUCCESS检测到障碍或FAILURE无障碍AvoidObstacleNode按avoid_duration默认 1.5 秒模拟避障过程PerformTaskNode按task_duration默认 3 秒执行指定任务。第二步注册自定义节点到工厂在create_robot_behavior_tree()中通过register_node_builder将 XML 标签与自定义节点绑定并解析对应的属性参数factory.register_node_builder( CheckBattery, lambda node: CheckBatteryNode( node.attrib.get(name, CheckBattery), int(node.attrib.get(threshold, 20)), ), )其余标签ChargeBattery、MoveToPosition、DetectObstacle、AvoidObstacle、PerformTask以相同方式注册随后读取同目录下的 robot_behavior_tree.xml 构建整棵树。第三步用 XML 声明行为树结构robot_behavior_tree.xml是案例的行为编排核心完整展示了所有节点类型如何协同工作。根节点为Selector失败时自动尝试下一分支保证充电与巡逻总有一个会执行其主要片段如下Selector nameRobot Main Controller !-- Charge battery when power is low -- Sequence nameBattery Management Inverter nameLow Battery Detection CheckBattery nameCheck Battery threshold30 / /Inverter Echo nameLow Battery Warning messageBattery level low! Charging needed / ChargeBattery nameCharge Battery charge_rate20 / /Sequence !-- Main task sequence -- Sequence namePatrol Task Echo nameStart Task messageStarting patrol task / Sequence nameMove to Position A MoveToPosition nameMove to A positionA move_duration2 / Selector nameObstacle Handling A Sequence nameObstacle Present DetectObstacle nameDetect Obstacle obstacle_probability0.3 / AvoidObstacle nameAvoid Obstacle avoid_duration1.5 / /Sequence Echo nameNo Obstacle messagePath clear / /Selector PerformTask namePosition A Task task_nameCheck Device Status task_duration2 / /Sequence ... /Sequence /Selector这里可以清晰看到各节点的组合语义InverterCheckBatteryCheckBattery在电量充足时返回SUCCESS被取反为FAILURE从而让Sequence (Battery Management)短路跳过充电分支——取反在此处充当了电量不足检测的逻辑Selector (Obstacle Handling A)优先尝试检测障碍 避障序列若无障碍DetectObstacle返回FAILURE则回退到Echo messagePath clear的兜底动作Delay (Short Wait)与Timeout (Limited Time Obstacle Handling)分别演示延迟后执行与限时 2 秒内完成避障、超时强制失败两种装饰器用法WhileDoElse (Conditional Move to C)以CheckBattery (threshold50)为条件电量充足则循环执行移动至 C 任务否则执行 else 分支跳过 CForceSuccess (Ensure Completion)包裹 C 点任务确保该任务即使失败也被视为完成不阻断后续返回充电站流程。第四步驱动运行def main(): tree create_robot_behavior_tree() tree.tick_while_running(interval0.01)tick_while_running(interval0.01)会以 10ms 间隔持续 tick直到整棵树返回终态。直接运行python MissionPlanning/BehaviorTree/robot_behavior_case.py即可观察充电 → 巡检 A/B/C → 返回充电站的完整行为推演过程。测试验证节点语义的正确性保障仓库为行为树提供了完善的单元测试 test_behavior_tree.py可作为理解节点语义的权威参照test_sequence_node1/test_sequence_node2验证Sequence遇ForceFailure终止并最终FAILURE遇ForceSuccess全部完成后最终SUCCESS且子节点状态在终态后被复位为Nonetest_selector_node1/test_selector_node2验证Selector跳过失败的ForceFailure分支、命中成功分支后终态为SUCCESS全部失败则为FAILUREtest_while_do_else_node自定义CountNode验证WhileDoElse的条件循环与条件失败后跳转 else 的行为test_node_children系统校验节点结构约束——控制节点无子节点、装饰器节点无子节点或超过一个子节点、动作节点带子节点、WhileDoElse子节点数量不为 2 或 3 时均抛出ValueError。运行pytest tests/test_behavior_tree.py即可复现以上全部断言验证行为树框架的各个分支行为。小结PythonRobotics 的 MissionPlanning 模块用约 700 行代码实现了一个麻雀虽小、五脏俱全的行为树框架Status三态枚举驱动节点流转ControlNode / ActionNode / DecoratorNode三类节点覆盖顺序、选择、条件、超时、延迟、强制结果等绝大多数编排需求BehaviorTreeFactory提供 XML 声明式构建能力BehaviorTree.tick_while_running与print_tree则负责驱动与可视化。配合巡逻机器人案例你可以快速将这套任务而非状态的决策范式复用到自己的机器人任务规划、行为切换与异常兜底场景中。【免费下载链接】PythonRoboticsPython sample codes and textbook for robotics algorithms.项目地址: https://gitcode.com/GitHub_Trending/py/PythonRobotics创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考