行为树：失败了，还有 Plan B

一个 NPC 要进楼

设想一个 NPC 要进一栋楼。它先走到门口；门能直接开就开，锁着就用钥匙，没钥匙就砸；门实在进不去，就绕去窗户爬进来。

用状态机 (FSM) 写，你会得到「走向门」「开门」「解锁」「砸门」「走向窗」「爬窗」一串状态，以及每种失败之后该跳去哪里的一大把转换。再加一个「找钥匙」，转换又要改一遍。

行为树 (Behavior Tree, BT) 换了一种说法：把方案按优先级排好，前一个失败就自动试下一个。「失败了还有 Plan B」，正是行为树最擅长表达的东西。《游戏引擎架构》(GEA) 也把行为树列为角色 AI 最常见的决策方法。

树的形状：分支管流程，叶子干活

Chris Simpson 对行为树的描述很简洁：树的分支只是控制流程的工具，叶子才是真正的命令——走路、开门、检查条件。树可以很深，子树可以做成库反复使用，而按优先级排列备选分支，是行为树的强项。

每个节点被执行（叫做一次 tick）以后，向父节点返回三种结果之一：

• Success：这件事这一拍已经办成了；
• Failure：这件事办不成；
• Running：还在办，比如还在寻路、还在走路，下一拍接着 tick。

第三种结果是关键。「走到门口」要花好几秒，有了 Running，它就是一个普通的叶子，不必像状态机那样拆成「出发」「途中」「到达」几个状态。

节点按孩子的数量分三类：

把进楼这件事画成树，就是下面这样：

flowchart TD
  R["Selector：进建筑"] --> D["Sequence：走门"]
  R --> W["Sequence：走窗"]
  D --> D1["走到门"]
  D --> D2["Selector：开门"]
  D2 --> O1["直接开"]
  D2 --> O2["解锁再开"]
  D2 --> O3["砸开"]
  W --> W1["走到窗"]
  W --> W2["爬进去"]

外层的 Selector 先试「走门」，整条门的方案失败了再试「走窗」；内层的 Selector 在三种开门手段之间回退。每个 Sequence 都是「先走到，再进去」。

逐拍走一遍

假设这扇门锁着，NPC 没有钥匙，门也结实得砸不开。下面一拍一拍地看这棵树怎么运转：

第 3 拍是最热闹的一拍。下图就是这一拍结束时各个节点的状态：

动手：写出 Sequence 和 Selector

两种组合节点的核心只有十几行。下面是一个最小版本（C++ 风格的示意代码）：

enum class Status { Success, Failure, Running };

struct Node {
  virtual ~Node() = default;
  virtual Status Tick(Blackboard& bb) = 0;   // 每一拍被调用一次
};

// Sequence：依次执行，任何一个失败就失败（与）
struct Sequence : Node {
  std::vector<Node*> children;
  size_t current = 0;                        // 记住上一拍停在哪个孩子
  Status Tick(Blackboard& bb) override {
    while (current < children.size()) {
      Status s = children[current]->Tick(bb);
      if (s == Status::Running) return Status::Running;              // 下一拍从这里接着来
      if (s == Status::Failure) { current = 0; return Status::Failure; }
      ++current;                                                     // 成功了，轮到下一个
    }
    current = 0;
    return Status::Success;
  }
};

// Selector：依次尝试，任何一个成功就成功（或，按优先级回退）
struct Selector : Node {
  std::vector<Node*> children;
  size_t current = 0;
  Status Tick(Blackboard& bb) override {
    while (current < children.size()) {
      Status s = children[current]->Tick(bb);
      if (s == Status::Running) return Status::Running;
      if (s == Status::Success) { current = 0; return Status::Success; }
      ++current;                                                     // 失败了，换下一个方案
    }
    current = 0;
    return Status::Failure;
  }
};

两个类几乎是镜像：Sequence 遇到 Failure 就停，Selector 遇到 Success 就停。对照上面的逐拍表格，在脑子里跑一遍第 3 拍：开门 这个 Selector 的 current 从 0 走到 3，三个孩子全部失败，于是它返回 Failure；走门 这个 Sequence 收到 Failure 立刻停下，也返回 Failure。

current 这个成员值得多看一眼。它让组合节点记住上一拍停在哪里，下一拍直接从那个 Running 的孩子接着 tick。Simpson 特别提到：朴素的实现每一拍都从根节点把整棵树走一遍，生产环境里应该缓存当前 Running 的节点。

节点之间怎么传数据

「走到门」得知道门在哪，「爬进去」得知道是哪扇窗。Simpson 给每个行为树实例配了一块数据上下文 (Data Context)：一张「字符串键 → 任意值」的表。前面的节点把目标点写进 destination，后面的 Walk 叶子读出来去走；调用子树的叶子把同一块上下文传下去，子树就能当成模块复用。上下文里还可以放一个栈，让节点依次取出候选的门和窗来逐个尝试。

这块共享的表就是黑板 (Blackboard) 思想在行为树里的样子。虚幻引擎把黑板做成独立的资产，行为树的装饰器、服务和任务都通过黑板的键来通信。

Halo 2 的做法：优先级列表

Halo 2 的 AI 用的是一种行为有向无环图，其中最常用的决策方式叫优先级列表 (prioritized-list)：按列表顺序找第一个「相关」的子行为去执行，而且更高优先级的行为可以在之后的某一拍把正在执行的打断。这在语义上很接近「Selector 加上持续抢占」。

为了让这棵树在行为很多时还能管得住，Damian Isla 还加了几样工具：

• 相关性是二元的：一个行为要么相关、要么不相关，不用连续的浮点分数去比；
• 冲动 (Impulse)：游离在树外的触发器，指向一个完整的行为，用来在特定条件下翻转优先级、在树里跳转；
• 行为标签：用位向量预先过滤掉一批条件明显不满足的行为。

虚幻引擎的行为树则走了另一条路：它是事件驱动的，不每帧遍历整棵树，而是监听事件（比如黑板键的值变了）再触发重新选择。条件写成装饰器，装饰器可以当观察者，按 Observer Aborts 的设置中止正在执行的低优先级任务——这正好解决了上一节说的「只缓存不重查」的问题。所以在虚幻引擎里看到的行为树，和这一课讲的「经典每拍 tick」的行为树在细节上会有差异。

在游戏里怎么用

取舍与常见的坑

小结与练习

• 分支管流程、叶子干活；每个节点返回 Success、Failure 或 Running，Running 让一个动作可以跨好几拍；
• Sequence 是「全部成功才成功」，Selector 是「一个成功就成功」，后者就是按优先级回退的 Plan B；
• 缓存 Running 节点省计算，但要另外考虑高优先级怎么打断；
• 节点之间靠数据上下文，也就是黑板来传数据。

练习：给「解锁再开」前面加一个「找钥匙」的子树——钥匙可能在桌上，也可能在守卫身上。想一想它该是 Sequence 还是 Selector，放进树里以后，第 3 拍的逐拍表格会怎么变。