← 全部标签
# 游戏AI
10 篇页面
页面
游戏开发AI 感知系统概念AI Perception Concepts感知层把世界变成 AI 可决策的信念：视觉（视线、视野锥、丢失滞后）、听觉、伤害、接触等刺激，经衰减与遗忘写入知识/黑板。GEA 将其与寻路、记忆并列底层；「perception is reality」要求玩家可见结果与感知一致。游戏开发决策架构选型：FSM、行为树与效用Choosing FSM, Behavior Tree & Utility AIFSM 强在少量离散状态与硬转换；行为树强在优先级回退与模块化任务；效用强在连续权衡与数据驱动调参；GOAP 强在声明式动作组合与重规划。实作常分层混用，而不是四选一宗教战。游戏开发寻路与导航理论基础Pathfinding & Navigation Theory寻路是在图上找代价可接受的路径：BFS / Dijkstra / A 是同一家族；NavMesh、路点、格子是不同的图构建方式。分层（走廊↔房间、扇区↔网格）与「全局路径 + 局部避障」把大规模导航拆开。A 本身不管编队、动态挤让与动画根运动。游戏开发局部避障Local Collision Avoidance局部避障处理「附近智能体/动态障碍怎么挤得开」：在全局路径给出的期望速度上，用 VO / RVO / ORCA 等选一个短期内不撞的速度。它不替代 A/NavMesh，也不能独自解决大尺度绕路。游戏开发效用 AIUtility AI效用 AI (Utility AI) 为每个候选行动/决策计算「有多想做」的分数，选最高分（或按分抽样）。Dave Mark 的 IAUS 将其做成纯数据驱动架构：考量 (Consideration) + 响应曲线打分，行为模块可拼装；相对硬编码 if/then，更不易卡死在单一行为。游戏开发游戏 AI 决策管线Game AI Sense-Decide-Act Pipeline游戏 AI（与生成式 DNN 不同）通常按 感知 → 决策 → 执行 分层：底层是寻路、感知与记忆；中层是角色控制（对接动画/物理）；上层是目标与决策（行为树、效用、规划等）。GEA 强调「perception is reality」——玩家看不见的内部聪明不算数。游戏开发目标导向行动规划 GOAPGoal-Oriented Action PlanningGOAP 把「如何满足目标」交给运行时规划：行动带前提与效果，用 A 在世界状态空间搜索最低成本动作序列。F.E.A.R. 用极薄 FSM（Goto/Animate）执行计划，换来目标与行动解耦、行为可叠加、失败可重规划。游戏开发群体与阵型行为Group & Formation Behaviors群体行为分两路：涌现式（Boids 分离/对齐/聚合）适合鱼群鸟群与背景人流；编排式（小队命令、阵型槽位、订单/风格）适合战术 AI。F.E.A.R. 表明复杂「侧翼」常可由个体目标 + 导航涌现，不必重型小队规划器。游戏开发行为树原理Behavior Tree Fundamentals行为树 (Behavior Tree, BT) 用层级节点控制决策流：叶子做动作或条件，Sequence / Selector 等组合节点决定子节点如何推进；节点返回 Success / Failure / Running，从而自然跨多帧。相对 FSM，BT 更易用优先级回退表达「失败了还有 Plan B」。游戏开发黑板架构Blackboard Architecture黑板 (Blackboard) 是多模块共享的「工作记忆」：感知写入、决策读取、任务更新键值，避免各子系统用私有状态互相耦合。行为树的 Data Context、GOAP 的 Working Memory、Halo 的 Props，都是同一思想的变体。