摘要
行为树为决策提供结构化框架，而强化学习能习得近优控制器但面临稀疏奖励等挑战。结合二者虽具潜力，但朴素集成易导致控制器相互抵消，破坏已实现的子目标。为此，本文提出“进度约束”机制，基于行为树收敛理论，利用可行性估计器限制允许的动作集。在二维概念验证及高保真仓库环境中的评估表明，该方法相比现有集成方案，显著提升了性能、样本效率及约束满足度。
AI 推荐理由
论文核心研究行为树中的任务规划与子目标管理，提出进度约束机制防止规划回退。
研究机构
俄勒冈州立大学
论文信息