機器人學和人工智能中的行為樹 Behavior Trees in Robotics and Al: An Introduction (Chapman & Hall/CRC Artificial Intelligence and Robotics Series)

譯者序
前言
作者簡介
第1章什麼是行為樹1
1.1 BT的發展簡史與動機2
1.2有限狀態機的問題是什麼？反應性和模塊化的必要性3
1.3 BT的經典闡述4
1.3.1 BT執行示例8
1.3.2帶有內存的控制流節點9
1.4從零開始為《吃豆人》創建BT13
1.5為移動機械手機器人創建BT15
1.6 BT在機器人和人工智能中的應用18
1.6.1自動駕駛車輛中的BT18
1.6.2工業機器人中的BT19
1.6.3亞馬遜拾物挑戰賽中的BT21
1.6.4社交機器人JIBO中的BT22

第2章BT如何概括和關聯早期思想23
2.1有限狀態機23
2.2分層有限狀態機24
2.2.1優點和缺點24
2.2.2創建一個類似BT的FSM26
2.2.3創建一個類似FSM的BT32
2.3包容體系結構33
2.3.1優點和缺點33
2.3.2 BT如何概括包容體系結構34
2.4遠程反應程序34
2.4.1優點和缺點35
2.4.2 BT如何概括遠程反應程序36
2.5決策樹36
2.5.1優點和缺點36
2.5.2 BT如何概括決策樹37
2.6 BT的優點和缺點38
2.6.1優點38
2.6.2缺點41

第3章設計原則45
3.1使用顯式成功條件提高可讀性45
3.2使用隱式序列提高反應性46
3.3使用決策樹結構處理不同的案例47
3.4使用序列提高安全性47
3.5使用反向鏈接創建審慎型BT48
3.6使用內存節點創建無反應的BT51
3.7選擇適當的BT粒度51

第4章BT的擴展55
4.1效用BT55
4.2隨機BT56
4.3臨時修改BT57
4.4 BT的其他擴展58

第5章效率、安全性和魯棒性分析59
5.1 BT的狀態空間表示59
5.2效率與魯棒性62
5.3安全性67
5.4實例70
5.4.1魯棒性和效率71
5.4.2安全74
5.4.3更複雜的BT78

第6章BT如何概括早期的思想81
6.1 BT如何概括決策樹81
6.2 BT如何歸納包容體系結構83
6.3 BT如何概括順序行為組合86
6.4 BT如何概括遠程反應程序87

第7章BT和自動規劃91
7.1規劃和動作（PA-BT）方法92
7.1.1算法概述95
7.1 .2算法詳細說明97
7.1.3對算法的評論99
7.1.4算法的圖形執行100
7.1.5對現有示例執行算法103
7.1.6反應性109
7.1.7安全性110
7.1.8容錯性111
7.1.9實際的複雜執行112
7.2使用行為語言進行規劃123
7.2.1 ABL智能體124
7.2.2 ABL規劃方法126
7.2.3 《星際爭霸》複雜執行過程的簡要結果129
7.3比較PA-BT與ABL131

第8章BT和機器學習133
8.1應用於BT的遺傳規劃133
8.2 GP-BT方法135
8.2.1算法概述136
8.2.2詳細的算法步驟138
8.2.3修剪無效子樹140
8.2.4實驗結果140
8.2.5在BT中使用GP的其他方法145
8.3將強化學習應用於BT145
8.3.1 Q-Learning總結145
8.3.2 RL-BT方法146
8.3.3實驗結果147
8.4比較GP-BT與RL- BT149
8.5從演示中學習並應用於BT150

第9章隨機行為樹151
9.1隨機BT152
9.1.1馬爾可夫鍊和馬爾可夫過程152
9.1.2闡述155
9.2將SBT轉換為DTMC160
9.3 SBT的可靠性165
9.3.1平均逗留時間165
9.3.2平均失敗時間和平均成功時間167
9.3.3隨時間推移的概率168
9.3.4隨機執行時間169
9.3.5確定執行時間169
9.4實例171

第10章結束語181
參考文獻183