09 AI技术

游戏AI技术概述

定义

学术AI：AI指一个可以观察周遭环境并作出行动以达致成功的系统
游戏AI： 满足玩家在游戏中的体验感

基础术语

• 玩家角色（Player Character）
• 电脑假冒的玩家角色（Bot）
• 敌人、对话村民（NPC ）

游戏AI的目的

1. 提升玩家的游戏代入感以及各种情感
2. 有趣，强度适中，满足玩家心流的挑战
3. 行为合理,没有明显破绽
4. 可能需要“真实”

游戏AI四大主题

环境感应

• 视野管理(通过物理系统)
• 听觉管理(NavMesh)
• 将复杂环境数据转化为便于Al系统理解的简单中间数据

知识管理

通过黑板(Blackboard)来作为数据共享，

• Agent黑板
• squad黑板

存储

• 消耗大的感应结果
• 寻路结果
• 分帧Plan的部分Plan结果

行为模型

• 没有万金油的行为模型能解决一切AlI问题
• 了解这些方法的核心思路，有助于选型、组合解决实际Al问题

1.朴素脚本代码

• 如魔兽世界早期的boss，使用switch case 实现各种情况

2.有限状态机（Finite State Machine，FSM）

• 本质是图
• 原理简单：—个时刻只处于一个状态，符合条件时跳转状态
• 随着状态增多，状态间跳转可能会平方级增长
• 状态的重用性差，状态Copy Paste严重

3.分层有限状态机（Hierarchical Finite State Machine，HFSM）

• 通过状态分层(分组)，做到状态按组重用
• 每层都有自己的“历史状态”的引用节点
• 重回状态层时，直接进入H所引用的状态

4.行为树（Behavior Tree）

• 本质是树
• 应用游戏︰始于Halo2，不计其数
• 节点返回当前执行状态：运行中、已成功、已失败
• 组合节点（Composite）有1~N个孩子，其决定直接孩子的执行方式
  • 顺序执行（Sequence）
  • 选择执行（Selector）
  • 并行执行（Parallel）
  • 可继承可扩展
• 叶子节点
  • 判断节点（Conditional），读取环境信息判断是否符合执行条件
  • 行为行节点（Action），执行具体行为
• 节点可被继承为特定功能的节点类型
  • 比如一个Action是一个状态机，
  • 一个判断节点是一个效用决策器

5.效用决策（Utility Decision System）

• 应用游戏：模拟人生
• 蚂蚁军团:现在要扩展领土?还是培育更多兵力?
• 根据环境，个体对每个特性进行归一化评分
  • 人口拥挤程度：0.9
  • 健康程度：0.92
  • 培育剩余空间：0.15
• 为每个特性加上权重，发现扩展的分数0.91大于培育分数0.535
• 所以最终选择扩展领土的行为
• 相比之前框架，行为开始显得非常动态自驱
• 缺点︰可能难以调参

graph LR
Population:4500 --> Crowdedness:0.9
MaxPop:5000 --> Crowdedness:0.9
Food:92 --> Health:0.92
NurserySpace:15 --> Nursery:0.15
Crowdedness:0.9 --> ActionExpandScore:0.91
Health:0.92 --> ActionExpandScore:0.91
Health:0.92 --> ActionBreedScore:0.535
Nursery:0.15 --> ActionBreedScore:0.535

6.GOAP（Goal-Oriented Action Planners，目标导向行为规划）

• 应用游戏：F.E.A.R、Fallout3、JustCause2，…..
• 开发者定义每个行为：先决条件、消耗、结果
• 运行时后向搜索：从目标状态开始回溯搜索，搜索满足条件的行为列表
• 挑选消耗和最小的行为列表
• 执行这个行为列表
• 优点：开发者只需配置行为本身，行为序列的建立通过运行时搜索动态建立

配置

Action	Condition	Effect	Cost
巡逻	没发现敌人&&无来电	安全	20
接电话	没发现敌人&&有来电	信息更新	30
关闭出入口	发现敌人	安全	40
攻击敌人	发现敌人&&有武器&&已关闭出入口	安全	20
获取武器	发现敌人&&无武器	有武器	10

7.HTN（Hierarchical Task Networks，层级任务网络）

• 应用游戏：上古卷轴、Killzone3、HorizonZeroDawn，……
• 和GOAP有相似之处，但不同点主要在于:
  • 元任务（Primitive Task）可组合为组合任务（Compound Task）
  • 每个任务有自己的条件、行动、结果
  • 运行时前向搜索，不断地搜索符合条件的任务(元任务、组合任务)
  • 直到所有任务都是元任务，得出一个任务列表，
  • 执行这个任务列表

8.Maching Learning

寻路

搜索需要基于一定的规则，将地图离散化
a. 原始地图
b.按格子离散
c.按waypoint离散
d.按三角形离散，Nav Mesh

实现	量级	搜索速度	平滑	编辑
简单	大	慢	低	易
较简单	中	中	中	中
较复杂	小	快	高	难

Astar寻路算法

Jump Point算法

Unreal的游戏AI实现介绍

行为树

Al Perception

Environment Query System (EQs)