第4章决策规划基础理论

4. 决策规划基础理论：FSM、行为树、MDP 简介

各位同学，今天我们来聊聊决策规划的核心骨架。

说实话，很多刚入行的朋友容易把决策规划想得太玄乎。其实说白了，它就是一套「在什么情况下，该做什么事」的规则集合。我做了这么多年自动驾驶，见过太多项目在决策模块上翻车——不是逻辑太死板，就是状态乱跳。所以今天咱们把三个最经典的理论模型掰开揉碎讲清楚。

4.1 有限状态机（FSM）—— 最朴素的决策模型

FSM 是我个人最早接触的决策模型。它的思想很简单：系统在任何时刻都处于一个「状态」中，当满足某些条件时，就跳转到另一个状态。

核心三要素：

状态（State）：比如「直行」、「左转」、「停车」
事件（Event）：比如「前方有车」、「绿灯变红」
转移（Transition）：状态 + 事件 → 新状态

我在项目中遇到过这样一个坑：用 FSM 做车道保持时，状态转移条件写得太敏感。结果车辆经过一个井盖，传感器抖了一下，状态直接从「车道保持」跳到了「紧急避让」——方向盘猛打，差点出事。后来我加了一个「状态保持时间」的滤波，才稳住。

下面是一个简单的 FSM 代码示例，模拟车辆在十字路口的决策：

// 伪代码：FSM 决策引擎
enum State {
    STRAIGHT,
    TURN_LEFT,
    TURN_RIGHT,
    STOP
};

State currentState = STRAIGHT;

void updateState(SensorData data) {
    switch(currentState) {
        case STRAIGHT:
            if (data.trafficLight == RED) {
                currentState = STOP;
            } else if (data.intent == LEFT) {
                currentState = TURN_LEFT;
            }
            break;
        case STOP:
            if (data.trafficLight == GREEN) {
                currentState = STRAIGHT;
            }
            break;
        // ... 其他状态处理
    }
}

我的经验：FSM 适合状态数量少（一般不超过 10 个）、转移逻辑清晰的场景。一旦状态超过 15 个，代码就会变成一团乱麻。你想想看，每个状态都要考虑从其他所有状态转移过来的可能性——那维护成本就太高了。

4.2 行为树（Behavior Tree）—— 更灵活的决策框架

行为树是游戏 AI 领域传过来的好东西。它用树形结构组织决策逻辑，每个节点代表一个行为或一个条件判断。

为什么说它比 FSM 灵活？因为行为树天然支持「组合」和「优先级」。你可以把「避障」作为一个子树，挂在「正常行驶」下面。当障碍物出现时，自动打断当前行为去执行避障。避障完成后，自动回到原来的行为。

我记得第一次在实车上跑行为树时，有个同事问我：「这玩意儿跟 if-else 有啥区别？」我说：「区别大了。if-else 是硬编码的，改一个条件要动整个函数。行为树是模块化的，你可以单独替换某个叶子节点，不影响其他逻辑。」

行为树的节点类型主要有：

节点类型	作用	返回值
Sequence（序列）	依次执行子节点，全部成功才返回成功	Success / Failure
Selector（选择器）	依次尝试子节点，找到一个成功的就返回	Success / Failure
Condition（条件）	检查某个条件是否成立	Success / Failure
Action（动作）	执行具体行为	Running / Success / Failure

注意：行为树的「Running」状态是它最大的优势。FSM 的状态转移是瞬间完成的，而行为树可以持续执行一个动作（比如「减速到 30km/h」），直到条件满足才切换。我曾经因为没处理好 Running 状态的超时，导致车辆在弯道里一直减速到 0——嗯，那场面挺尴尬的。

4.3 马尔可夫决策过程（MDP）—— 带不确定性的决策

前面两种方法都是「确定性」的——条件满足就转移。但现实世界充满不确定性：你无法 100% 确定前车会不会急刹，也无法 100% 知道行人会不会突然横穿。

MDP 就是用来处理这种不确定性的。它把决策建模成一个「状态-动作-奖励」的循环：

状态（State）：当前环境的情况
动作（Action）：你可以做的操作
转移概率（Transition Probability）：执行动作后，到达下一个状态的概率
奖励（Reward）：每个状态-动作对带来的即时收益

说白了，MDP 就是在问：「如果我做这个动作，未来可能得到多少奖励？」然后选那个期望奖励最大的动作。

我在项目中用过 MDP 做换道决策。举个例子：

// 简化版 MDP 换道决策
// 状态：当前车道、目标车道、前后车距离
// 动作：保持车道、向左换道、向右换道
// 奖励：安全 +10，效率 +5，碰撞 -100

double expectedReward(State s, Action a) {
    double reward = 0;
    // 考虑所有可能的下一状态
    for (State s_next : allStates) {
        double prob = transitionProbability(s, a, s_next);
        reward += prob * (immediateReward(s, a, s_next) + 
                          discountFactor * bestFutureReward(s_next));
    }
    return reward;
}

关键点：MDP 的难点在于「转移概率」怎么定。我刚开始做的时候，直接拍脑袋设了 0.8 和 0.2。结果仿真跑出来，车辆在路口犹豫不决——因为概率设得太平均了。后来我改用蒙特卡洛方法，从真实路采数据里统计概率，效果才正常。

4.4 三种方法的对比与选择

你可能会问：「那我该用哪个？」我的建议是：

简单场景（如停车场泊车）：用 FSM，够用且容易调试
复杂场景（如城市道路）：用行为树，方便扩展和维护
不确定性高的场景（如无保护左转）：用 MDP，或者结合行为树做上层框架、MDP 做底层决策

下面这张图是我自己总结的三种方法的关系：

避坑指南：我曾经在一个项目里，上来就用 MDP 做全部决策。结果模型训练了两个月，效果还不如同事用行为树写的一周版本。后来我学乖了：先用手写规则把功能跑通，再用数据驱动的方法去优化瓶颈部分。记住，简单有效比花哨重要。

好了，今天的内容就到这里。这三种方法没有绝对的好坏，关键看你的场景和团队能力。下次遇到决策问题，不妨先问问自己：「这个场景的确定性有多高？状态数量有多少？我需要处理不确定性吗？」——答案自然就有了。

📚 课程目录

4. 决策规划基础理论：FSM、行为树、MDP 简介

4.1 有限状态机（FSM）—— 最朴素的决策模型

4.2 行为树（Behavior Tree）—— 更灵活的决策框架

4.3 马尔可夫决策过程（MDP）—— 带不确定性的决策

4.4 三种方法的对比与选择