3、行为决策层详解：有限状态机（FSM）、决策树、基于规则的方法
各位同学，欢迎来到行为决策层。这一层，说白了就是自动驾驶的「大脑皮层」——感知层告诉车「看到了什么」，规划层告诉车「怎么动」，而行为决策层，负责回答那个最核心的问题：「现在该干什么？」
我个人习惯把行为决策层比作一个老司机。老司机开车，不会每秒钟都重新计算一遍路径，而是根据路况快速判断：该跟车？该变道？该让行？还是该刹停？这些判断，就是行为决策。
今天咱们就聊聊三种最经典的行为决策方法：有限状态机、决策树，还有基于规则的方法。嗯，这三种方法，我在实际项目中都用过，各有各的脾气。
3.1 有限状态机（FSM）—— 最朴素的「状态切换」
有限状态机，英文叫 Finite State Machine，简称 FSM。说白了，就是给自动驾驶定义一堆「状态」，然后规定好状态之间怎么切换。
举个例子：一个最简单的 FSM 可能包含这几个状态：
- INIT：初始化
- CRUISE：巡航行驶
- FOLLOW：跟车
- STOP：停车
- EMERGENCY：紧急制动
每个状态都有明确的进入条件和退出条件。比如：
- 从 CRUISE 切换到 FOLLOW：当前方检测到障碍物且距离小于安全阈值时。
- 从 FOLLOW 切换到 CRUISE：当前方障碍物消失或距离大于安全阈值时。
核心要点：FSM 的关键在于「状态转移表」。你想想看，如果状态转移条件写错了，车就会在路口反复横跳，像个新手司机一样犹豫不决。
我在项目中遇到过一件事。有一次，我们的车在高速上遇到前车急刹，FSM 从 CRUISE 切到了 EMERGENCY。但 EMERGENCY 状态结束后，它直接切回了 CRUISE，结果车猛地加速——因为没经过 FOLLOW 状态。嗯，这就是状态转移设计不严谨的典型问题。
我的建议：设计 FSM 时，一定要画一张完整的状态转移图。每个状态都要问自己三个问题：
- 从哪些状态可以进入当前状态？
- 当前状态可以切换到哪些状态？
- 切换条件是什么？有没有优先级？
3.2 决策树 —— 把「如果-那么」画成树
决策树，比 FSM 更直观。它就像一张流程图，每个节点是一个判断条件，每个分支是一个决策结果。
举个例子：判断「是否应该变道」的决策树：
是否要变道？
├── 是：目标车道是否有车？
│ ├── 有：目标车道后车距离是否足够？
│ │ ├── 是：执行变道
│ │ └── 否：放弃变道，保持当前车道
│ └── 无：执行变道
└── 否：保持当前车道决策树的优点很明显：可解释性极强。你问它「为什么变道」，它能告诉你「因为目标车道没车，且当前车道前车太慢」。这在工程调试和安全性验证中，价值巨大。
但决策树也有坑。我曾经踩过一个坑：决策树的深度太深，导致实时性不够。你想想看，如果一棵树有 10 层，每层有 3 个分支，那最坏情况下要判断 3^10 次——这在高速场景下根本来不及。
避坑指南：我曾经在项目中把决策树深度控制在 5 层以内，超过 5 层的逻辑，我会拆成多个子决策树，或者用规则表替代。记住：决策树不是越深越聪明，而是越浅越可靠。
3.3 基于规则的方法 —— 老司机的「经验库」
基于规则的方法，说白了就是把老司机的经验写成「if-then」规则。比如：
- 规则1：如果前车刹车灯亮起，且距离小于 30 米，则执行减速。
- 规则2：如果本车速度大于 120 km/h，则禁止变道。
- 规则3：如果路口有行人，且行人正在过马路，则停车等待。
这些规则，通常来自三方面：
- 交通法规：比如「红灯停、绿灯行」。
- 工程经验：比如「跟车距离至少保持 2 秒时距」。
- 测试反馈：比如「在雨天，制动距离增加 30%」。
我个人习惯把规则分成三个等级：
| 等级 | 描述 | 示例 |
|---|---|---|
| 硬规则 | 违反会导致安全事故，必须遵守 | 「遇到红灯必须停车」 |
| 软规则 | 违反不会立即出事，但影响体验 | 「变道前打转向灯至少 3 秒」 |
| 建议规则 | 根据场景动态调整，可忽略 | 「拥堵路段建议走中间车道」 |
基于规则的方法，最大的问题是「规则冲突」。比如：规则 A 说「遇到障碍物要绕行」，规则 B 说「实线禁止变道」。如果障碍物正好在实线路段，车该怎么办？
我的解决方案：给每条规则分配一个优先级。硬规则优先级最高，软规则次之，建议规则最低。当规则冲突时，优先级高的规则胜出。如果优先级相同，则选择「最安全」的那个。
3.4 三种方法的对比与选择
好了，三种方法都讲完了。你可能会问：到底该用哪一种？
我的经验是：没有银弹。实际项目中，往往是三种方法混合使用。
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| FSM | 结构清晰，状态切换明确 | 状态爆炸，难以处理复杂场景 | 高速公路巡航、泊车等结构化场景 |
| 决策树 | 可解释性强，调试方便 | 深度过大时实时性差 | 变道决策、路口通行等中等复杂度场景 |
| 规则方法 | 简单直接，易于维护 | 规则冲突，难以覆盖所有场景 | 安全约束、法规合规等确定性场景 |
我记得在做一个城市道路项目时，我们用了这样的混合架构：
- 顶层用 FSM 管理「巡航-跟车-停车-紧急」等宏观状态。
- 每个状态内部，用决策树处理具体决策（比如「跟车状态下，是否要变道」）。
- 最底层，用规则库做安全兜底（比如「任何状态下，遇到行人必须停车」）。
嗯，这个架构跑了两年，没出过大的逻辑问题。
最后一个小技巧：不管你用哪种方法，一定要给行为决策层加一个「超时保护」。比如，如果某个状态停留超过 5 秒没有切换，就强制进入安全模式。为什么？因为我在测试中遇到过 FSM 卡死在某个状态，车一直原地打转——有了超时保护，至少能保证车停下来。
好了，行为决策层的内容就到这里。下一章，咱们聊聊运动规划层——也就是怎么把「决策」变成「方向盘和油门」的具体指令。