●譯者序
前言
作者簡介
第1章 什麼是行為樹
1.1 BT的發展簡史與動機
1.2 有限狀態機的問題是什麼？反應性和模塊化的必要性
1.3 BT的經典闡述
1.3.1 BT執行示例
1.3.2 帶有內存的控制流節點
1.4 從零開始為《喫豆人》創建BT
1.5 為移動機械手機器人創建BT
1.6 BT在機器人和人工智能中的應用
1.6.1 自動駕駛車輛中的BT
1.6.2 工業機器人中的BT
1.6.3 亞馬遜拾物挑戰賽中的BT
1.6.4 社交機器人JIBO中的BT
第2章 BT如何概括和關聯早期思想
2.1 有限狀態機
2.2 分層有限狀態機
2.2.1 優點和缺點
2.2.2 創建一個類似BT的FSM
2.2.3 創建一個類似FSM的BT
2.3 包容體繫結構
2.3.1 優點和缺點
2.3.2 BT如何概括包容體繫結構
2.4 遠程反應程序
2.4.1 優點和缺點
2.4.2 BT如何概括遠程反應程序
2.5 決策樹
2.5.1 優點和缺點
2.5.2 BT如何概括決策樹
2.6 BT的優點和缺點
2.6.1 優點
2.6.2 缺點
第3章 設計原則
3.1 使用顯式成功條件提高可讀性
3.2 使用隱式序列提高反應性
3.3 使用決策樹結構處理不同的案例
3.4 使用序列提高安全性
3.5 使用反向鏈接創建審慎型BT
3.6 使用內存節點創建無反應的BT
3.7 選擇適當的BT粒度
第4章 BT的擴展
4.1 效用BT
4.2 隨機BT
4.3 臨時修改BT
4.4 BT的其他擴展
第5章 效率、安全性和魯棒性分析
5.1 BT的狀態空間表示
5.2 效率與魯棒性
5.3 安全性
5.4 實例
5.4.1 魯棒性和效率
5.4.2 安全
5.4.3 更復雜的BT
第6章 BT如何概括早期的思想
6.1 BT如何概括決策樹
6.2 BT如何歸納包容體繫結構
6.3 BT如何概括順序行為組合
6.4 BT如何概括遠程反應程序
第7章 BT和自動規劃
7.1 規劃和動作（PA-BT）方法
7.1.1 算法概述
7.1.2 算法詳細說明
7.1.3 對算法的評論
7.1.4 算法的圖形執行
7.1.5 對現有示例執行算法
7.1.6 反應性
7.1.7 安全性
7.1.8 容錯性
7.1.9 實際的復雜執行
7.2 使用行為語言進行規劃
7.2.1 ABL智能體
7.2.2 ABL規劃方法
7.2.3 《星際爭霸》復雜執行過程的簡要結果
7.3 比較PA-BT與ABL
第8章 BT和機器學習
8.1 應用於BT的遺傳規劃
8.2 GP-BT方法
8.2.1 算法概述
8.2.2 詳細的算法步驟
8.2.3 修剪無效子樹
8.2.4 實驗結果
8.2.5 在BT中使用GP的其他方法
8.3 將強化學習應用於BT
8.3.1 Q-Learning總結
8.3.2 RL-BT方法
8.3.3 實驗結果
8.4 比較GP-BT與RL-BT
8.5 從演示中學習並應用於BT
第9章 隨機行為樹
9.1 隨機BT
9.1.1 馬爾可夫鏈和馬爾可夫過程
9.1.2 闡述
9.2 將SBT轉換為DTMC
9.3 SBT的可靠性
9.3.1 平均逗留時間
9.3.2 平均失敗時間和平均成功時間
9.3.3 隨時間推移的概率
9.3.4 隨機執行時間
9.3.5 確定執行時間
9.4 實例
第10章 結束語
參考文獻
