Cómo imponer orden a la lógica de IA en juegos y robótica con la librería Bonsai
Cualquiera que haya intentado programar el comportamiento de un NPC complejo para un juego o un robot autónomo usando máquinas de estados finitos (FSM) conoce este momento de desesperación. Al principio, todo es simple: tres estados ("patrol", "chase", "attack") y un puñado de transiciones. Pero el proyecto crece. Aparecen verificaciones de salud, reacciones a disparos desde atrás, buscar cobertura, recarga de armas. De repente, el grafo de transiciones se convierte en un desastre de espagueti, donde agregar una nueva acción rompe la mitad de las conexiones antiguas.
Los desarrolladores de juegos han encontrado desde hace mucho tiempo un remedio para este dolor en forma de Árboles de Comportamiento. Fueron popularizados en su momento por Halo 2 y Unreal Engine. Hoy, este concepto se usa activamente en robótica y sistemas autónomos.
Hace poco me encontré con Bonsai — una implementación ligera y rápida de árboles de comportamiento en Rust, con enlaces a Python incluidos por el autor.
¿Qué es un Árbol de Comportamiento en términos simples?
Si descartamos la terminología académica, un árbol de comportamiento es una estructura jerárquica de reglas que define la reacción de un agente al mundo. La principal ventaja de este enfoque es la modularidad. Cada nodo está aislado y devuelve uno de tres estados a su padre:
Success(acción completada exitosamente)Failure(acción falló)Running(acción aún está en ejecución)
El nodo padre decide a quién llamar a continuación basándose en este resultado.
En Bonsai, la lógica se ensambla a partir de varios tipos básicos de nodos:
// Выполняет A, затем B. Если A падает, цепочка прерывается
Sequence([A, B])
// Пробует A. Если падает, пробует B
Select([A, B])
// Классическое ветвление
If(condition, A, B)
// Выполняет A и B параллельно, ожидая завершения обоих
WhenAll([A, B])
// Запускает параллельно и ждет первого завершившегося
Race([A, B])
El árbol se recorre de arriba a abajo, de izquierda a derecha. Si un enemigo desaparece del campo de visión justo durante la puntería, la rama de interrupción reaccionará instantáneamente en el siguiente ciclo de tick. No necesitas escribir manualmente cientos de condiciones de salida para el estado actual, como en las FSM regulares.
Cómo funciona Bonsai internamente
Bonsai está escrito en Rust puro sin sobrecarga adicional. Para agregarlo a tu proyecto, simplemente añade la dependencia a Cargo.toml:
[dependencies]
bonsai-bt = "*"
Si estás trabajando en conjunto con Python (por ejemplo, para prototipar o programar robots en ROS), el paquete se instala a través de pip:
pip install bonsai-bt
El problema de las tareas de larga duración
El árbol de comportamiento debe ser consultado regularmente y sin demoras. Si algún nodo interno bloquea el hilo durante medio segundo (por ejemplo, realizando una búsqueda de rutas intensiva o una solicitud de red a un sensor), todo el sistema se congelará.
El autor de Bonsai resolvió este problema a través del estado Running y los canales de mensajes. Las tareas síncronas o asíncronas de larga duración se mueven a hilos en segundo plano. El nodo del árbol simplemente devuelve Running en cada tick hasta que llega una señal de completitud o error desde el canal. El repositorio tiene un ejemplo claro de async drone que demuestra el control de drones en modo asíncrono.
Dónde resulta útil
Las etiquetas del repositorio no son casualmente el hogar de ROS2, Bevy y Unreal Engine. Aquí hay escenarios típicos donde Bonsai te salva los nervios:
- Juegos en Bevy u otros motores de Rust. Para implementar IA enemiga, aliados o eventos procedurales.
- Robótica y drones. Construir algoritmos de navegación deterministas, evasión de obstáculos y ejecución de misiones.
- Pipelines de backend con ramificación compleja. Si tienes una cadena de tareas con reintentos, timeouts y ramas paralelas, ensamblarlo a través de Árbol de Comportamiento suele ser más conveniente que construir sentencias
matchytry/catchanidadas.
Pros y contras
El proyecto deja una impresión agradable con su minimalismo. No hay abstracciones sobrecargadas aquí, el código es limpio, y el determinismo de la lógica hace que la depuración sea predecible.
En contra: la documentación en el propio README es bastante breve. Para entender todos los matices de los nodos paralelos (WhileAll, After), necesitarás revisar la carpeta de ejemplos y las pruebas. Tampoco hay un editor visual de árboles de serie, así que tendrás que construir el árbol en código.
Si necesitas una herramienta clara, rápida y predecible para la lógica de agentes en Rust o Python sin dependencias pesadas, Bonsai definitivamente merece una estrella en GitHub y una prueba en tu proyecto paralelo.
Proyectos relacionados