【Unity】入门学习笔记180715——人工智能（11）——有限状态机/行为树

最新推荐文章于 2025-07-29 15:36:15 发布
最新推荐文章于 2025-07-29 15:36:15 发布
阅读量639 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： AI 文章标签： Unity
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Dylan_Day/article/details/81051543
本文探讨了AI角色通过决策系统来确定下一步行为的方式，详细介绍了有限状态机和行为树等构建决策系统的策略，并深入分析了行为树在AI编辑器中的优势及其实现方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1、AI角色通过决策系统来确定下一步行为，相对于运动系统和感知系统来说，利用有限状态机或行为树就可以简单的构造出不错的决策系统。


2、有限状态机的FSM图

①有限状态机是AI系统中最简单的，同时也是作为有效和常用的方法

②当某些条件发生时，状态机当前状态转换为其他状态

③用户编写的每个程序都是状态机

④认真考虑每个状态和转换部分


3、

方法一：用Switch语句实现

方法二：用FSM框架实现通用的有限状态机

https://wiki.unity3d.com/index.php?title=Finite_State_Machine


4、行为树

行为树很适合做AI编辑器，为设计者提供了丰富的流程控制方法

行为树中的叶节点：

    ①条件节点：if条件测试，向父节点返回T/F

    ②行为节点：完成实际的工作，绝大部分动作会返回succes

行为树中的组合节点：

    ①选择节点：?，从左到右依次执行所有子节点，只要返回F，继续执行后续节点直到一个节点返回success或running

    ②顺序节点：→，从左到右依次执行所有子节点，只要返回success，继续执行直至一个子节点返回F或running

    ③随机选择节点：E，随机访问子节点而不是从左到右

    ④修饰节点：只包含一个子节点，用于以某种方式改变这个子节点的行为

    ⑤并行节点：同时执行，直到其中一个返回failure


5、React插件快速创建行为树

https://www.assetstore.unity3d.com/#/content/516

免费插件选择——Rain Indie

Unity引擎开发：角色控制器开发_行为树与状态机
chenlz2007的博客
03-04 1343
/// 执行节点逻辑 /// </summary> /// <returns>节点状态</returns> NodeState Tick();} /// <summary> /// 节点状态枚举 ///
空间智能领域的AI人工智能创新实践
AIGC应用创新大全的博客
06-03 571
你有没有想过：为什么扫地机器人能避开沙发腿却撞墙？为什么导航软件能告诉你“前方50米右转”？为什么AR游戏里的虚拟角色能“站”在真实的台阶上？答案都藏在一个叫“空间智能”的技术里——它是AI让机器“理解物理空间”的核心能力。本文将按照“概念→原理→实战→应用”的逻辑展开：先通过生活案例理解空间智能的核心概念，再拆解AI实现空间智能的关键技术（如SLAM、点云处理），接着用无人机3D建模项目演示技术落地，最后展望未来趋势。空间智能（Spatial Intelligence）
Unity AI设计 行为树与有限状态机
WEIWEI6661012的博客
10-10 2179
今天抽出一点空闲时间给大家讲解一下AI的设计实现思路的常见方法，学习游戏中那些复杂的AI行为是如何实现的。
有限状态机，行为树
我用CV我自豪。
03-11 1497
http://wangfei0206wl.blog.163.com/blog/static/26850495200741510151367/ 有限状态机 几乎是2005年以前所有游戏的ai解决方案 但是即使是 有限状态机 ，在刻画复杂的游戏场景时，也会陷入冗长的代码链之中而丧失代码可读性 所以 behavior tree（行为树）出现了 本质上说，behavior tree
从有限状态机（FSM）到行为树（Behavior Tree）（2）
03-14 1767
模式3：根据条件跳转到多个状态，包括自跳转 这是在状态机里最常见的模式，由于是基于条件的跳转，所以可以非常方便的用选择节点和前提的组合来描述，特别值得注意的是，对于自跳转而言，其实就是维持了当前的状态，所以，在构建行为树的时候，我们不需要特别考虑自跳转的转换。如下图所描述了，我们先用序列节点来保证跳转的上下文（可以参考模式2中的相关内容），这里用到的另一个技巧是，我们会在状态a结束的时候，在
杂文（34）：有限状态机（FSM）与行为树（Behavior Tree）
画舸覆堤
02-21 1228
最后更新于2022年7月12日 17:49:08
游戏元宇宙AI应用：AI+ NPC智能的行为树架构设计
最新发布
小白菜的博客
07-29 667
你一定玩过《超级马里奥》里的Goomba——这个棕色小蘑菇只会沿着直线走，就算前面是悬崖也不会停。但到了《赛博朋克2077》，NPC“V”会躲子弹、打电话求助，甚至在你偷车时骂骂咧咧地报警。这背后的本质是“玩家对‘沉浸感’的需求升级”：如果元宇宙的NPC还是“笨笨的Goomba”，你逛虚拟城市时会觉得“这是个假世界”——而行为树就是解决这个问题的“AI大脑架构”。为了避免“听天书”，先把关键术语用“厨房菜谱”类比解释：假设你是元宇宙里的张三酒馆老板，你的“日常工作”是：但问题来了：如果客人正在闹事，你还在“
unity游戏开发学习笔记
qq_29231163的博客
09-02 1万+
unity note： 游戏和三维互动内容开发工具，专业游戏引擎 游戏引擎： 一款游戏最核心的代码 包含： 渲染引擎，物理引擎、碰撞检测，音效、脚本引擎、动画系统 人工智能、网络引擎、场景管理。 游戏公司分工 策划、美工、软件工程师、测试工程师、客服 首月： day1： 环境搭建、C#语言基础、Unity API、物理引擎1、3D数学基础、UGUI 程序界面 Project->Assets文件 Hierarchy-> 对象 Scene 右键旋转 滚轮->前进后退 F键—&gt
五子棋AI（学习笔记）
Momorey的博客
12-27 3678
181225五子棋 一、需求分析 （一）、基本玩法 1、基本玩法和胜负判断 黑白双方相互下棋，然后谁现将五个棋子连城一条线即可获胜 注意事项，下棋位置不能超过棋盘，判断的时候有四个方向，左右、上下、左上左下、右上右下 2、三种玩法 附带、悔棋、跟换新手 本机对战 人机对战 入门——使用贪心算法，用字典记录数据，进行评分，评分数量比较少 进阶——使用贪心算法，用字典记录数据，进行评...
AI Agent 架构全景图：感知、决策、执行的三阶段闭环
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
04-09 1295
本篇将从架构视角出发，拆解一个真正可执行的 AI Agent 系统到底长什么样。我们将围绕三个核心阶段——感知、决策、执行，搭建出一张完整的 Agent 架构图，帮助你理解从自然语言输入到最终任务完成，中间到底经历了哪些流程、调用了哪些模块、需要协调哪些能力。
planilo：基于xNode的工具，用于在Unity中设计AI图，例如行为树和有限状态机
02-06
一组用于在可视节点编辑器中统一设计AI的工具。 用于： 行为树。 有限状态机。 实现自己的AI图。 通往v0.2.0的道路 如果您有兴趣在development分支中进行更改，那么我正在更新此存储库。 也可以随时与您有关如何改进这些工具的任何建议不一致。 发生了什么变化？ 关注点分离。 仅将xNode用作序列化和行为构建器工具。 不对运行时执行的方式做任何假设。 交互行为而不是字典的黑板。 使用新的复合节点Active Selector和Active Sequencer进行行为树检修。 其他可能的变化 AI行为的标准化版本。 基于实用程序的行为树。 一些样品。 主要特点 行为树
基于 xNode 的工具，用于在 Unity 中设计AI图形，例如行为树和有限状态机_C#_代码_下载
07-02
一组用于在统一的可视节点编辑器中设计 AI 的工具。用于： 行为树。 有限状态机。 实现您自己的 AI 图。 主要特征 行为树、有限状态机的可视化编辑器和创建其他类型人工智能工具的基础。 AI 图形实现为可重用的可编写脚本的对象，同一个实例可以由多个 GameObjects 运行。 使用 Blackboard 变量在场景和行为树之间共享数据。 已实施的示例可用作指导。 查看运行时突出显示的节点以了解您的 AI 图表是如何运行的。 模块化您的 AI 图并将它们作为其他 AI 图的节点的一部分执行。 在文档中查看更多信息 更多详情、使用方法，请下载后阅读README.md文件
动态参考系下的同步误差解析
欢迎来到《技术探索》，这是一个专注于游戏开发技术的博客。在这里，我们将深入探讨游戏引擎、图形渲染、人工智能、物理模拟等领域的最新技术和最佳实践。无论您是初学者还是经验丰富的开发者，我们都希望为您提供有价值的见解和实用的技巧。
06-16 1145
在FPS游戏中，船体作为动态参考系会放大网络同步误差。由于船体、玩家和子弹的位置相互依赖，当网络延迟导致船体位置不同步时，客户端与服务器对角色和子弹的位置判定会出现偏差。这种误差超过阈值时，就会引发穿模、子弹入水和命中判定异常等问题，严重影响游戏体验。
【Unity】行为树与状态机，技能系统做法
PA_的博客
03-24 7213
使用Animator基类所有怪物都继承 用Animator的打标签作为通用， 特殊的写技能脚本
状态模式与有限状态机 &行为树（游戏开发）
朝着梦想前行。
12-26 7066
写在前面 - （更新） 游戏AI的实现通常分为两种，有限状态机(FSM)以及行为树，我们这里首先将有限状态机应用到游戏《古月》的怪物AI设计中，在之后的版本中再用行为树替换有限状态机。 2018.1.11更新 目前正在写行为树的实现，预计本周内完成行为树的设计，会更新在博客中，博主目前找到了武汉胡莱游戏的实习工作，预计会实习到6月份，希望能够有所提升。 有限状态机（FSM） 我们知
状态机和行为树
热门推荐
PresleyGo的博客
01-19 1万+
对游戏NPC的行为控制一般有2种，一种是状态机，一种是行为树。 状态机： Unity对人物动画的控制是基于状态机的，如下图： 可以看到，每个状态除了包含自身的状态行为外，还需要和其他的状态打交道，需要输入状态机之间切换的条件。因为这一点，导致增加状态会使得状态机越来越复杂。 状态机是一种网状结构，耦合性很大。 行为树： 图片源自：https://blog.youkuaiyun.com/goo...
有限状态机
kavenGw的专栏
01-17 289
未完待续
状态机与行为树BT
天道酬勤
10-11 4554
状态机与行为树BT
行为树和有限状态机
03-25
<think>好的，我现在需要比较行为树（Behavior Trees）和有限状态机（Finite State Machines, FSM）在游戏AI或机器人控制中的应用与区别。首先，我应该回顾一下这两种技术的基本概念和各自的特点。 根据引用[1]和[4]，有限状态机（FSM）主要用于通用的可视化编程，而行为树则更多用于人工智能。FSM通过状态和转移来管理逻辑，当状态较多时，可能会变得复杂，因此分层有限状态机（HFSM）被用来分层次管理状态，比如将相关状态归类成子状态机，再通过上层状态机协调。这在游戏AI中很常见，比如角色的不同行为状态（行走、攻击、躲避）可以通过子状态机管理，而主状态机处理更高层次的逻辑。 行为树则采用树状结构，节点包括控制节点（如选择、序列）和执行节点。这样的结构使得行为树更具模块化和可复用性，适合处理复杂的决策逻辑。引用[2]和[3]提到，在机器人控制中，状态空间的设计需要考虑多维向量，包括位置、传感器数据等，行为树可能更适合处理这种需要动态调整的多条件决策。 接下来需要比较两者的区别。首先是结构差异：FSM是状态和转移的图结构，而行为树是树状结构。这影响了它们的扩展性和复杂度管理。当需求变化时，行为树可能更容易通过添加或调整节点来适应，而FSM可能需要修改多个状态和转移条件，尤其是在分层情况下，虽然HFSM可以缓解这个问题，但可能还是不如行为树灵活。 其次是执行逻辑。FSM依赖于当前状态和触发事件，状态转换是显式的；而行为树通过自顶向下的遍历，根据节点条件动态决定执行路径。这使得行为树的反应更动态，能够根据环境变化实时调整，适合需要频繁条件检查的场景，比如游戏中的NPC决策或机器人应对突发环境变化。 应用场景方面，FSM适合状态明确且转换简单的场景，比如角色的基础行为管理；行为树则适合需要复杂决策和条件判断的任务，如高级AI策略或机器人自主导航。引用[4]提到FSM在状态多时维护困难，而行为树的模块化设计更易于扩展和维护。 此外，在机器人控制中，引用[2]和[3]指出状态空间设计复杂，涉及多维度数据，行为树的结构可能更易于整合传感器数据并做出综合决策。例如，机器人需要根据当前位置、传感器输入和历史动作来调整行为，行为树可以通过组合不同的条件节点灵活处理这些信息。 最后，关于性能，FSM由于状态转换直接，可能在简单场景下更高效；而行为树由于需要遍历节点，可能在复杂逻辑中引入一定开销，但结构清晰带来的维护优势可能抵消这点。 总结下来，两者的选择取决于具体需求：状态明确且转换简单用FSM，复杂决策和动态调整用行为树。在游戏AI中，FSM用于基础行为，行为树用于复杂NPC；在机器人控制中，FSM处理底层状态，行为树管理高层决策。</think>### 行为树 vs 有限状态机：特点与应用场景分析 #### **1. 核心概念对比** - **有限状态机（FSM）** 基于**状态**和**状态转移**的图结构模型。每个状态定义了一组行为，通过**事件或条件触发**切换到其他状态。例如，游戏角色的“待机→攻击→逃跑”状态链[^4]。 - **优点**：逻辑直观，适合状态明确且转换简单的场景。 - **缺点**：状态爆炸问题（状态多时难以维护），扩展性较差。 - **行为树（Behavior Tree）** 采用**树状分层结构**，由控制节点（如选择、序列、并行）和执行节点（如条件、动作）组成。例如，机器人决策树中“是否检测到障碍→避开→继续巡逻”的分支逻辑[^2]。 - **优点**：模块化设计，支持动态优先级调整，适合复杂条件判断。 - **缺点**：实现复杂度较高，需合理设计节点逻辑。 #### **2. 关键区别** | 维度 | 有限状态机 (FSM) | 行为树 (BT) | |-------------------|------------------------------------------|------------------------------------------| | **结构** | 图结构（状态与转移） | 树结构（节点与层级） | | **扩展性** | 需手动管理状态转移，扩展困难 | 通过添加/调整节点扩展，灵活性高 | | **复杂度管理** | 状态多时需分层处理（HFSM） | 天然支持模块化，逻辑更清晰 | | **执行逻辑** | 基于当前状态触发转移 | 自顶向下遍历，动态选择路径 | | **适用场景** | 状态明确、转换规则固定的场景（如角色动画） | 多条件、动态决策场景（如NPC AI、机器人控制） | #### **3. 应用场景示例** - **游戏AI** - **FSM**：管理角色基础行为（如“移动→攻击→死亡”），适合动作类游戏的连招系统。 - **行为树**：实现NPC智能决策（如“检测玩家→评估威胁→选择反击或逃跑”），常见于开放世界游戏的动态交互[^1]。 - **机器人控制** - **FSM**：控制底层硬件状态（如“启动→校准→执行任务→休眠”）[^3]。 - **行为树**：处理高层任务规划（如“导航→避障→抓取物体”），结合传感器数据动态调整策略[^2]。 #### **4. 典型代码结构对比** - **FSM示例（游戏角色状态切换）** ```python class State: def enter(self): pass def exit(self): pass class AttackState(State): def enter(self): print("进入攻击状态") def exit(self): print("退出攻击状态") # 状态管理器 class StateMachine: def __init__(self): self.current_state = None def change_state(self, new_state): if self.current_state: self.current_state.exit() self.current_state = new_state self.current_state.enter() ``` - **行为树示例（机器人避障决策）** ```python class ConditionNode: def check(self): # 检测障碍物条件 return True # 假设检测到障碍 class ActionNode: def execute(self): print("执行避障动作") # 行为树定义 root = SelectorNode([ SequenceNode([ConditionNode(), ActionNode()]), # 条件满足时执行动作 DefaultActionNode() # 默认行为 ]) root.execute() ``` #### **5. 如何选择？** - **选择FSM的场景**： - 状态数量有限且转换逻辑简单。 - 需要快速实现原型（如UI流程控制）。 - 引用[1]提到：FSM更适合通用可视化编程而非复杂AI。 - **选择行为树的场景**： - 需要动态优先级调整（如实时策略游戏）。 - 系统需频繁扩展或复用逻辑模块（如机器人多任务协作）。 - 引用[2]指出：行为树能更好地整合多维状态空间（如传感器数据）。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值