游戏AI的架构模型.docx

  1. 1、本文档共14页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

游戏AI的架构模型

游戏AI的架构模型

运动层:AI的具体行为,比如移动

决策层:决定AI下一时间步该做什么

战略层:从集体层面对个体AI进行控制

除此之外,还要结合动画系统,物理引擎,感知系统等,共同组成人工智能

个体AI

Seek是最常见的AI行为,最简单的实现是给AI添加一个修正力使之向目标移动

Flee和Seek相反,通常我们都要设置一个Distance范围判断结束行为。用Vector3.sqrMagnitude向量平方长度,计算会更快

Arrival到达目标减速至停止,可设置一个StopDistance,距离大于停止距离时给一个Force移向目标

Pursuit追逐会预测Target的未来位置,比如预测t时间内Target不会转向,AI将计算未来位置朝之移动。另外还可以用点乘计算夹角,判断双方是不是面对面

Evade逃避。与Pursuit反向

Wander随机徘徊。设置一个圆周半径,每帧给Target附加随机位移,比AI只按照预设好的路线移动更加真实

FollowPath路径跟随。设置radius路点半经,让AI在路径间切换更加真实

CollisionAvoidance避开障碍。向前射线检测障碍物的包围圈,产生一个排斥力。

集体AI

第一步:取起始结点,将其8个邻接点加入Open,并将各邻接点的父节点设置为起始节点,起始点加入Close

?

第二步:计算open表中结点的代价f=g+h,计算规则是:

g:取父节点g值,根据n点和父节点的连接方式计算。如果是直角连接g++,对角连接g+=1.414

h:采用欧几里得距离/曼哈顿距离[不考虑障碍物]

根据f大小来确定open表中下一个要被检查的节点

?

第三步:取f最小结点,检查8个邻接点,障碍物点无视。

计算各邻接点通过当前结点得到的新g值,计算规则同上

???新结点加入open表

???已经在open表的,若新g值比原值大,不需更新。若小于原值,则更新g,f,父节点,而不用更新h

???已经在closed表的,按上图文字处理

?

第四步:对于具有相等的最小代价值f的结点,可任选一个计算。

循环直到终点

其他

1.对于已经计算的(存在于open或closed表中)节点,无需再次计算,因为选择那些节点只会绕远

2.障碍物节点加入closed表,对于被open或closed表包围的节点,也加入closed表中

?

和Dijkstra算法的区别:

Dijkstra是BFS,不会去预估到终点的距离,因此在有多个权值相等的路径时会搜索很多不必要的结点。而且没有考虑障碍物

A*是按照启发函数,向着目标搜。很适合寻路

Dijkstra会求出所有点的最短路径,得到理论上的最优解,而A*则只会找需要计算的点。结果是A*更快,但是不一定是最优解

Unity寻路

?

AI使用NavMeshAgent组件

如果要配合物理引擎使用,则AI需要有kinematic的刚体,表示刚体由nav控制

和Animator配合使用的话,最好不要用rootmotion

将地面勾选NavigationStatic,再打开Navigation视图,点击bake即可看到蓝色可达区域

NavigationArea可以设置object为不同Area,会用不同颜色表示

可以在NavMeshAgent中修改其可以行走的Area

?

OffMeshLink添加跳跃点(手动路径)

默认的NaveMeshAgent组件上面是勾选了AutoTraverseOffMeshLink(自动通过OffMeshLink)选项的。这样的意思是人物只要到了OffMeshLink的开始点,就会自动的移动到OffMeshLink的结束点。?

?

NavmeshObstacle

enable时不可通行,false时可通行。此情况下物体不会暂停

?

寻路还有很多用法,这里就暂不详述了

?

AI感知事件

?

AI往往要感知视觉、听觉等信息来决策下一步的行为,其中又包括位置信息,对象属性信息,自身信息等

?

1、轮询(主动查询信息)

轮询类似编程中的switch-case,是AI周期性地查询所需要的信息,轮询非常常见,容易维护,但有效信息率低,花费性能较多

轮询中心(没有必要每个AI都进行一遍查询,而是集中处理需要查询的信息)

?

2、事件驱动(被动得知信息)

事件是一种高效的消息传递机制,由事件分发者主动通知每个感兴趣的AI,这样就使AI准时获得有效信息

可以做一个中心检测系统(事件管理器),记录每个AI感兴趣的事件,并通知他们,还方便了调试

?

3、Trigger触发器

触发器其实和事件比较接近,相比之下,触发器是事件的本源,比如监听声音的声音触发器,检测观察物的视觉触发器,等待时间的时间触

您可能关注的文档

文档评论(0)

187****2001 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档