摘要 文章主要探討了在機器人應(yīng)用行為樹自主導(dǎo)航技術(shù)時如何設(shè)置連接仿真環(huán)境，并采用可視化編程技術(shù)以便于調(diào)試。文章介紹了所使用的各項技術(shù)的背景和意義，從技術(shù)特點、應(yīng)用場景、實現(xiàn)原理等不同角度探討了選擇技術(shù)的優(yōu)勢和局限性，提出了改進和優(yōu)化方案，討論了這些方案的可行性和局限性，并對這些技術(shù)進行總結(jié)性分析和討論，并提出了展望和建議。

關(guān)鍵詞 機器人；ROS；仿真；人工智能；教育

中圖分類號 TP242 文獻標(biāo)識碼 A 文章編號 2096-8949（2023）13-0001-04

0 引言

伴隨著人工智能、機器人、無人駕駛等技術(shù)的蓬勃發(fā)展，相關(guān)智能產(chǎn)品更多地出現(xiàn)在我們的生產(chǎn)生活中。同步定位和智能導(dǎo)航作為這些應(yīng)用的關(guān)鍵基礎(chǔ)，在開發(fā)和使用階段如何更便捷、有效地進行定義、調(diào)試或者滿足客戶自定義需求成為重要命題。仿真技術(shù)已經(jīng)成為不可或缺的工具，通過仿真，研究人員可以快速地驗證和測試新的機器人控制算法和導(dǎo)航策略，降低機器人實驗的成本和風(fēng)險。隨著計算機硬件的飛速發(fā)展，機器人仿真技術(shù)的應(yīng)用范圍也變得越來越廣。該文根據(jù)工作實際，對一些特定場景下解決機器人導(dǎo)航智能設(shè)計的仿真方法進行了一些探索嘗試。

1 問題的提出

服務(wù)型機器人，特別是一些特種作業(yè)機器人，往往需要根據(jù)作業(yè)類型和地形特點，進行針對性的導(dǎo)航智能或策略設(shè)計，這有可能是開發(fā)中行為，也可能是使用時的自定義場景。滿足這類需求一般會面對以下幾個問題：

（1）直觀有效的定義方式；準(zhǔn)確還原業(yè)務(wù)邏輯。

（2）低成本的上載和調(diào)試。

（3）最好可以滿足非技術(shù)人員使用。

（4）通用性和可移植性。

2 解決問題的思路

大多時候的地形場景和導(dǎo)航，可以簡單抽象為在一個封閉空間的自主行為，或者說是一個迷宮的尋路問題，然后在迷宮的路徑節(jié)點加以行為限制，如圖1所示。

第一，我們在自主導(dǎo)航邏輯上采用了行為樹技術(shù)來定義。

Behavior Tree，又稱行為樹，是一種構(gòu)建在機器人、電子游戲虛擬實體等自主智能體中不同任務(wù)（假設(shè)某單個活動以指定的方式分解為可以重用的子活動，這些子活動稱為任務(wù)，也稱為動作或者控制模式）中間切換的方法，是一種創(chuàng)建具有“模塊化（Modular）和反應(yīng)性（Reactive）復(fù)雜系統(tǒng)的有效的方式”[1]。BT是一個有向的根樹，根節(jié)點就是Root節(jié)點，作為行為樹的入口，節(jié)點類型為Root，每個行為樹有且只有一個Root類型節(jié)點；內(nèi)部節(jié)點稱為控制流節(jié)點，葉節(jié)點稱為執(zhí)行節(jié)點，所有的葉子節(jié)點的類型一定是Action，同時Action類型的節(jié)點一定不能作為非葉子節(jié)點來使用。非葉子節(jié)點也稱為組合節(jié)點（Composition），可以有一個或多個子節(jié)點，與之不同的是根節(jié)點（Root）只有一個子節(jié)點而沒有父節(jié)點，其余節(jié)點都有一個父節(jié)點和子節(jié)點，具體結(jié)構(gòu)如圖2所示。

行為樹由多種不同類型的節(jié)點組成，這些節(jié)點都會返回三種狀態(tài)中的一種作為節(jié)點的運行結(jié)果。三種狀態(tài)分別是成功狀態(tài)、運行中狀態(tài)和失敗狀態(tài)。

行為樹概念的出現(xiàn)實際已經(jīng)有很多年了，總的來說，就是使用不同的經(jīng)典控制節(jié)點與行為節(jié)點進行組合，從而實現(xiàn)復(fù)雜的人工智能體。從圖2可以看出，相比于有限狀態(tài)機，行為樹更加地接近人類自然的理解，同時又能更容易地定義復(fù)雜的AI邏輯。

行為樹的核心思想是將機器人的決策和行動分解為若干個節(jié)點，每個節(jié)點負責(zé)一個特定的任務(wù)。行為樹中的節(jié)點分為行為節(jié)點和控制節(jié)點兩類。行為節(jié)點負責(zé)執(zhí)行具體的行為任務(wù)，比如移動、轉(zhuǎn)向、尋找目標(biāo)等；控制節(jié)點負責(zé)控制行為節(jié)點的執(zhí)行順序和條件，比如序列節(jié)點、選擇節(jié)點、條件節(jié)點等[2]。

機器人自主導(dǎo)航中的行為樹通常包含三個層次：高層次行為、中層次行為和低層次行為。高層次行為是指機器人需要完成的任務(wù)，比如到達目標(biāo)點、避開障礙物等；中層次行為是指將高層次行為分解為若干個子任務(wù)，比如轉(zhuǎn)向和移動等；低層次行為是指機器人執(zhí)行具體的運動控制命令，比如沿著一定的軌跡前進。

行為樹的執(zhí)行方式是自下而上的，即從低層次行為開始執(zhí)行，然后向上執(zhí)行中層次行為和高層次行為。在執(zhí)行過程中，機器人會根據(jù)傳感器獲得的環(huán)境信息進行實時決策和調(diào)整。如果出現(xiàn)某些異常情況，比如障礙物突然出現(xiàn)，機器人會根據(jù)控制節(jié)點的邏輯相應(yīng)地調(diào)整和反應(yīng)。

第二，系統(tǒng)選用早期采用了比較流行的ROS，現(xiàn)在在往ROS2遷移中，最大化地實現(xiàn)系統(tǒng)的通用性?？紤]成本因素，特別引入了ROS的仿真系統(tǒng)Gazebo。Gazebo是一款當(dāng)下業(yè)界較為主流的開源物理仿真環(huán)境，具備以下特點[3]：

（1）動力學(xué)仿真：Gazebo支持多種高性能物理引擎，包括Bullet、SimBody、DART等。

（2）三維環(huán)境可視化：支持顯示光線、紋理、影子等三維環(huán)境。

（3）傳感器仿真：支持傳感器仿真，同時也支持傳感器噪聲的仿真。

（4）插件可擴展：使用者可自由定制開發(fā)插件，通過插件擴展Gazebo的功能，滿足用戶的個性化需求。

（5）支持多種機器人模型：Gazebo官方提供對PR2、Pioneer2 DX、TurtleBot等機器人模型的支持，同時用戶也可以使用自己創(chuàng)建的機器人模型。

（6）支持TCP/IP傳輸：Gazebo可以通過網(wǎng)絡(luò)通信實現(xiàn)遠程仿真。

（7）云仿真：Gazebo可以在Amazon、Softlayer等云計算環(huán)境下運行，也可以在用戶自行搭建的云服務(wù)器上運行。

（8）終端工具：用戶可以使用Gazebo官方提供的命令行工具，從而通過終端命令行的形式，實現(xiàn)對仿真的自主控制。

第三，從邏輯定義便捷化和客制化需求出發(fā)，我們采用了Scratch3.0作為低代碼平臺，最終實現(xiàn)了如下邏輯，如圖3所示。選擇Scratch，部分緣于我們之前面向機器人編程教育項目的工作積累，但實踐中發(fā)現(xiàn)它也是很方便的一個邏輯定義工具，其應(yīng)用不只限于兒童編程，在國外也有大量的應(yīng)用擴展案例。

3 探索實踐過程

3.1 搭建ROS環(huán)境

3.1.1 添加ROS軟件源

將以下命令輸入到ubuntu終端中并執(zhí)行：

sudo sh -c '. /etc/lsb-release amp; echo \"deb http：//mirrors.ustc.edu.cn/ros/ubuntu/$DISTRIB_CODENAME main\"gt; /etc/apt/sources.list.d/ros-latest.list'

3.1.2 添加密鑰

將以下命令輸入到ubuntu終端中并執(zhí)行：

sudo apt-key adv --keyserver 'hkp：//keyserver.ubuntu.com：80' --recv-key C1CF6E31E6BADE8868B172

3.1.3 更新軟件源

將以下命令復(fù)制到ubuntu的終端執(zhí)行：

sudo apt update

3.1.4 配置及更換最佳軟件源

選擇合適的軟件源會在很大程度上提高下載速度

sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys F42ED6FBAB17C654

3.1.5 執(zhí)行安裝

將以下命令復(fù)制到ubuntu的終端執(zhí)行：

sudo apt install ros-noetic-desktop-full

3.1.6 配置ROS環(huán)境到系統(tǒng)

要先初始化 rosdep（rosdep 讓你能夠輕松地安裝被想要編譯的源代碼，或被某些 ROS 核心組件需要的系統(tǒng)依賴），在終端依次輸入下面指令。

sudo rosdep init

rosdep update

然后初始化環(huán)境變量：

echo \"source /opt/ros/kinetic/setup.bash\" gt;gt; ～/.bashrc

source ～/.bashrc

3.2 安裝Gazebo

Gazebo是一款開源的三維物理仿真平臺，其具備完善的編程接口、便捷的圖形接口、強大的物理引擎與高質(zhì)量的圖形渲染功能。盡管Gazebo中使用的機器人模型與Rviz中使用的模型相同，但仍需使用者在模型中添加機器人和環(huán)境的物理屬性，如質(zhì)量、摩擦系數(shù)、彈性系數(shù)等，也可通過插件的形式將機器人的傳感器信息加入仿真環(huán)境中，從而實現(xiàn)以可視化的方式進行顯示。

3.2.1 Gazebo安裝

sudo apt-get install ros-noetic-gazebo-ros-pkgs ros-noetic-gazebo-ros-control

3.2.2 Gazebo界面

輸入以下指令打開gazebo：

roscore

rosrun gazebo_ros gazebo

3.2.3 驗證

為了驗證Gazebo是否與ROS系統(tǒng)成功連接，可以查看ROS的話題列表，如果連接成功，可以看到Gazebo發(fā)布/訂閱的話題列表。

3.3 搭建Scratch3.0二次開發(fā)環(huán)境

Scratch是麻省理工學(xué)院團隊開發(fā)的圖形化編程工具，使用者可以不認(rèn)識英文單詞，也可以不會使用鍵盤。其構(gòu)成程序的命令和參數(shù)是積木形狀的模塊，不用書寫代碼語句，只需按照一定的邏輯用鼠標(biāo)拖動模塊把它們拼在一起就可以。其他編程語言，例如：Python，java，C等。

3.3.1 Scratch3.0下載項目

項目基于js ES6語法、react框架實現(xiàn)Scratch3.0 需安裝Node環(huán)境 驗證node npm命令能正常使用

擴展積木塊使用到Scratch-gui和Scratch-vm兩個項目

https：//github.com/Affonso-Gui/scratch3-ros

https：//github.com/Affonso-Gui/scratch3-ros-vm

3.3.2 安裝運行

執(zhí)行以下命令運行g(shù)ui項目

cd scratch-gui-develop

npm install

npm start

訪問地址 locolhost：8601 查看項目

3.3.3 擴展積木塊流程

（1）運行vm項目。cd scratch-vm-develop

npm link （根據(jù)需求，無依賴建議直接執(zhí)行npm link）

npm run watch （運行 備gui使用）

（2）運行g(shù)ui項目。新建命令行窗口

cd scratch-gui-develop

npm link scratch-vm （依賴vm虛擬機內(nèi)容）

npm start （運行項目）

（3）擴展積木塊vm項目配置。在vm項目scratch-vm-develop/src/extensions路徑下新建擴展文件夾、文件夾下新建index.js

（4）在左下角添加擴展中選擇ROS Extension，并輸入localhost的IP。（127.0.0.1或192.168.x.x）。

（5）選擇ROS，在Scratch3.0中選擇ROS擴展積木，如圖4所示。

3.4 構(gòu)建行為樹模型

??BehaviorTree.CPP?是一個開源的?C++行為樹庫。在游戲領(lǐng)域，行為樹已經(jīng)比較流行了，主要用于維護游戲角色的各種動作和狀態(tài)，但在機器人領(lǐng)域還很少使用的。??Navigation2??中引入了行為樹來組織機器人的工作流程和動作執(zhí)行。

行為樹是樹狀的結(jié)構(gòu)，它的邏輯流程是由?XML?文件描述的。我們該次一個重點工作就是通過Scratch3.0可視化生成行為樹定義。行為樹本身并不具體實現(xiàn)機器人的執(zhí)行內(nèi)容，它只負責(zé)將執(zhí)行內(nèi)容進行編排。以?Navigation2為例，具體的執(zhí)行內(nèi)容實現(xiàn)是放在各個??server中的。行為樹上的節(jié)點與server進行通信，請求具體的執(zhí)行內(nèi)容，然后獲得反饋，根據(jù)反饋結(jié)果又可以請求另外的執(zhí)行內(nèi)容。這些不同執(zhí)行內(nèi)容間的跳轉(zhuǎn)就是由行為樹控制的。

4 結(jié)論

行為樹作為一種重要的機器人自主導(dǎo)航框架，在未來的研究中也有著廣闊的應(yīng)用前景。隨著人工智能體技術(shù)的不斷發(fā)展，行為樹可以結(jié)合深度學(xué)習(xí)、強化學(xué)習(xí)等技術(shù)，進一步提高機器人自主決策和行動的能力。同時，行為樹還可以應(yīng)用于多機器人協(xié)同和分布式控制等領(lǐng)域，為機器人應(yīng)用帶來更多的可能性。在機器人仿真和行為樹應(yīng)用方面，未來的研究還需要解決一些挑戰(zhàn)和問題。比如，在仿真中如何更加準(zhǔn)確地模擬真實環(huán)境和傳感器數(shù)據(jù)，如何設(shè)計更加復(fù)雜和靈活的行為樹結(jié)構(gòu)，提高機器人的自主決策和行動能力，如何在多機器人系統(tǒng)中進行協(xié)同和合作，實現(xiàn)更高效和穩(wěn)定的控制等[4]。這些問題的解決需要研究人員從不同的角度進行探索和嘗試，不斷推動機器人技術(shù)的發(fā)展。

該方法目標(biāo)是建立機器人自主智能導(dǎo)航規(guī)劃的便捷可視化方法，甚至能集成到客戶環(huán)境當(dāng)中，基于以前基于游戲項目對行為樹應(yīng)用經(jīng)驗和教育項目的積累，選擇的一條相對容易實現(xiàn)的路徑。目前還在進一步從ROS1往ROS2遷移，由于通訊協(xié)議部分有較大的改變，只完成了初步原型論證。該研究旨在拋磚引玉，希望得到更多探索啟發(fā)。

參考文獻

[1]Cao， Y. amp;Y. Yue. ， K. Li. ， H. Zhang. . An Overview of Recent Progress in the Study of Behavior Trees for Robotics[J]. IEEE Transactions on Intelligent Transportation Systems， 2015（5）： 2393-2403.

[2]Colas， F. amp; R. Siegwart. . Simulating and Evaluating the Behavior of Autonomous Robots Using Behavior Trees[J]. Robotics and Autonomous Systems， 2017， 88： 141-152.

[3]Milliez， G. amp;L. Fabresse. ， T. Raimbault. . BTRobots： A Behavior Tree-based framework for Simulating Robot teams[J]. Journal of Intelligent amp; Robotic Systems， 2017（1）： 1-18.

[4]A， Silva. amp;Santos. A. ， Lau. N. . Behavior Trees for Decision Making in Autonomous Agents[J]： A survey. Journal of Autonomous Agents and Multi-Agent Systems， 2018（3）： 357-408.