Games104现代游戏引擎笔记高级ai

最新推荐文章于 2025-08-18 15:10:35 发布
原创 最新推荐文章于 2025-08-18 15:10:35 发布 · 1.7k 阅读 · 3 ·
CC 4.0 BY-SA版权
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。
文章标签：

#游戏引擎 #笔记 #学习

Hierarchical Task Network 层次任务网络

在这里插入图片描述
在这里插入图片描述
World State是一个主观的对世界的认知，并不是一个真实世界的描述
Sensors负责从游戏环境中抓取各种状态
在这里插入图片描述
HTN Domain 存放层次化的树状结构Task和之间的关联关系1
Planner 根据World State从 Domain 里规划 task
Plan Runner 根据 Planner 设定的计划执行 Task，当 Task 执行过程中发生了很多其他问题，Plan Runner 会监控所有的状态并且告知Planner规划另一系列Task （Re-plan）
在这里插入图片描述
primitive：单个动作
compound：复合任务
在这里插入图片描述
在这里插入图片描述
preconditions：检测world state中哪些state条件符合，才会执行，否则返回false，
检查task执行中间是否失败 （对世界的读操作）
effects：task执行完后修改world state （对世界的写操作）
在这里插入图片描述
在这里插入图片描述
task由一堆Method构成，每个method都有一组属于自己的Precondition， Method自上而下就是优先级 Priority，类似于BT selector功能，
每个method都要执行一系列task、，全部完成，类似于BT selector的Sequence。
在这里插入图片描述
在这里插入图片描述
HTN Domain需要定义一个Root Stask作为根节点，也就是核心节点
在这里插入图片描述
在这里插入图片描述
根据 World State, 从Root Task开始选择当前目标的task，依次展开
在这里插入图片描述
Plan展开的过程是非常的快的，但是因为每一个Primitive Task 都是有个对于world state修改的Effect，但是并不会真的修改到World State 上，然而这可能会影响到后面的task。 所以这里的方法是将World State复制一下，然后对于这个拷贝进行修改和推演，自Planning一步步展开
相当于对于World State进行一个预演并且假设所有的Task都会成功。
Replaning就是处理如果Task不成功的情况在这里插入图片描述
计划中如果发生Precondition不符合，只能返回False，并且一路返回直到Root Task
在这里插入图片描述
在这里插入图片描述
最后相当于搜索完domain并输出一串Primitive Task
在这里插入图片描述

最低0.47元/天 解锁文章
【人工智能】分层任务网络（HTN）及其在人工智能规划中的应用
梦想起飞的地方
06-07 460
分层任务网络（HTN）是一种将复杂任务分解为层级化子任务的人工智能规划技术，广泛应用于机器人、游戏AI和工业自动化领域。其核心包括任务分解、方法选择、前提条件验证等组件，通过结构化方式简化问题求解。HTN规划具有方法复用、多路径解决方案等优势，但也面临管理复杂度、领域依赖性等挑战。相比经典规划方法，HTN更注重任务层级结构。未来发展方向包括结合机器学习优化算法、提升环境适应性和扩展能力。该技术为复杂系统规划提供了高效框架，具有持续发展的潜力。（149字）
GAMES104：02引擎架构分层-学习笔记
噗噗噗的博客
06-04 1119
用户层工具层（Tool Layer）：编辑器、工具界面功能层（Function Layer）：渲染Rendering、动画Animation、物理Physics、相机Camera和实现游戏性的脚本Script、状态机FSM、AI等功能模块资源层（Resource Layer）：各类图片、动画、音频资源加载核心层（Core Layer）：核心功能如内存管理、容器分配、数据计算、多线程处理等平台层（Platform Layer）：对接不同游戏平台、主机和硬件。
HTN简略笔记
云飞扬的博客
02-19 843
HTN（Hierarchical Task Networks）是一个第三方的AI插件，可以用来替换UE内置的行为树。
（5-1-02）任务规划与推理：经典规划算法（2）分层任务网络（HTN）
码农三叔
03-28 1627
分层任务网络是一种分层的、模块化的任务规划方法，它将复杂的任务分解为多个层次的子任务。每个子任务可以进一步分解为更小的子任务，直到达到最基本的可执行动作。HTN通过这种方式将复杂任务简化为一系列简单任务的组合，从而提高任务规划的效率和灵活性。
【游戏AI】HTN的概念和原理
weixin_43846751的博客
10-30 2875
本文是对资深游戏AI工程师Troy Humphreys所撰写的《Exploring HTN Planners through Example》一文关于HTN概念和原理部分的解读。
Hierarchical task network&STRIPS
wolf96的专栏
09-07 1900
原文：https://en.wikipedia.org/wiki/STRIPS In artificial intelligence, STRIPS (Stanford Research Institute Problem Solver) is an automated planner developed by Richard Fikes and Nils Nilsso
GAMES104：17 游戏引擎的玩法系统：高级AI-学习笔记
噗噗噗的博客
10-22 2392
优点：HTN 和 BT 非常相似，但是是BT的高阶版本，但HTN更加灵活、符合人的直觉、也更易于设计师进行掌握；可以带着目的预测，任务计划也更长程缺点：由于用户行为不可预测，因此task很容易失败或满足不了precondition；并且world state与任务effect影响对设计师是挑战（比如忘记设置某个条件；或者如果 task 链路过长但是环境变化很快，那么 AI 的行为就会变化很快，看上去振动一样）
【GAMES104学习笔记】简介+引擎架构分层+游戏世界构建
qq_50679110的博客
04-13 859
笔者大学期间涉猎过Unity的Gameplay游戏逻辑开发、Shader开发、Blender建模，也啃过Vulkan API实时硬件光追、渲染管线和一些图形学知识。近期希望能够系统学习引擎开发的知识，于是有了这个笔记博文系列。欢迎志同道合的大佬前来交流，笔记中如有错误和疏漏，敬请指正！
GAMES104：16 游戏引擎的玩法系统：基础AI-学习笔记
噗噗噗的博客
10-09 1427
再找到每个区域距离边缘最远的中心点，用洪水算法向外扩散，直到覆盖所有区域，在通过进一步处理（比如连通区域变为凸多边形之类，比较复杂），这就是我们的生成的Mesh了。原理是通过计算一个代价函数：f = g（从原点已经走过的路程的代价，一般累计路程距离） + h（到终点还有多远的代价，一般用欧拉距离或x+y），来逐步寻找最优下一步的路径（按照网格或mesh的划分），原理有些类似梯度下降。用的最普遍，是一种启发式算法，通过有选择的节点搜索找到最短路径，因此更快，常用于游戏或机器人导航。
分层状态机学习
欢迎访问方偲的博客
08-24 2361
转载：原创作者 参考：参考作者 日志： 21.8.24：组内同事分享了一个多状态的项目，其中用到了分层状态机的概念，蛮有兴趣的，前来学习一下 决策方法： 有限状态机（Finite-State Machines） 分层状态机（Hierarchical Finite-State Machines） 行为树（Behavior Trees） 效用系统（Utility Systems） 目标导向型行动计划（Goal-Oriented Action Planners） 分层任务网络（Hierarchical Task
Galavant：基于HTN的AI的开放世界动作冒险游戏
02-06
Galavant：基于HTN的AI的开放世界动作冒险游戏
《游戏人工智能》学习笔记1——4 行为选择算法一览
WonderChaos的博客
02-08 3883
思维导图 文字版 4 行为选择算法一览 AI模型：感知-思考-行动。 实现NPC思考的算法有很多种，每种算法都有适用的场景。本章介绍几种业界最流行的行为选择（思考）算法 注：思考，也是上面提到的行为选择算法，即决策算法 有限状态机 FSM，Finite-State Machine 定义 状态 State 表示一个特定的行为或内部状态，同一时刻只有一个状态是激活的 状态迁移 State Transition .
游戏AI行为决策——HTN（分层任务网络）
最新发布
UWA—简单优化，优化简单！
08-18 298
Hierarchical Task Network（分层任务网络），简称HTN，与行为树、GOAP一样，也是一种行为决策方法。
游戏人工智能开发之6种决策方法
热门推荐
wolf96的专栏
09-09 1万+
人工智能遵循着：感知->思考->行动 决策方法：有限状态机（Finite-State Machines），分层状态机（Hierarchical Finite-State Machines），行为树（Behavior Trees），效用系统（Utility Systems），目标导向型行动计划（Goal-Oriented Action  Planners），分层任务网络（Hierarchical
GAMES104:AI篇3：高级AI
qq_50199113的博客
10-04 663
行为树是反应型AI，只会对输入做出预先定义的反应，却没有具体的目标。层次级任务网络（下面简称HTN）则能使AI像人类一样有具体的计划。AI的HTN一般包括如下几个要素：world state：世界观，AI对世界认知的描述Sensors：感知器，接收游戏中的信息并修改其world stateHTN Domain：HTN的主要结构，将层次化的task放在里面，描述task和task之间的关系Planner：根据世界观和HTN Domain来制定计划。
HTN框架介绍、开发心得
QAQ
07-19 1万+
任务(Task) 任务分为两种，原始任务(Primitive Task) 和 复合任务(Compound Task)。 原始任务是一个可以直接执行的 操作(operator) ，例如移动到目标。 而复合任务则是有多种 实现方法(Method) 的任务，并且每种实现方法都是一个 任务集合(The set of tasks)，可以包含复合任务和原始任务，例如AttackEnemy（寻敌、移动、攻击…）。 多种实现方法之间进行选择，例如攻击可以近战和远程，如果距离比较远就使用远程攻击。 UE4 - 原始任务和UE
Fluid Hierarchical Task Network 项目常见问题解决方案
gitblog_01129的博客
11-26 520
Fluid Hierarchical Task Network 项目常见问题解决方案 项目基础介绍 Fluid Hierarchical Task Network（简称 Fluid HTN）是一个基于构建者模式原则的简单层次任务网络（HTN）规划器。该规划器主要采用C#编程语言开发，适用于游戏AI领域，能够帮助开发者简化代码面向的HTN领域的设计。项目特点包括： 总体顺序前向分解规划器 域构建器...
Games104现代游戏引擎入门-lecture17游戏引擎的Gameplay玩法系统基础_Advanced AI
qq_41286360的博客
09-23 1323
高级AI: HTN,GOAP,MCTS,Meachine Learning
游戏AI的开发框架组件 behaviac
ajnidf2891的博客
08-21 593
简述 behaviac是游戏AI的开发框架组件，也是游戏原型的快速设计工具。支持全平台，适用于客户端和服务器，助力游戏快速迭代开发 。 编辑器可以运行在PC上，操作方便直观可靠，支持实时和离线调试；编辑器可以导出xml，bson等多种格式，更可以导出C++、C#源码，提供最高效率。 运行时支持全平台，有C++和C#两个版本，原生支持Unity。 已被多款知名游戏及更多其他预研项目...
D:\University\Games104现代游戏引擎\Piccolo-main\Piccolo-main\engine\source\runtime\core\meta\serializer\serializer.h(81,31): error C2338: static_assert failed: 'Serializer::read<T> has not been implemented yet!' [D:\University\Games104现代游戏引擎\Pi ccolo-main\Piccolo-main\build\engine\source\runtime\PiccoloRuntime.vcxproj]
03-13
<think>嗯，用户遇到了C++编译器静态断言失败的错误，具体是Serializer::read<T>未实现的问题，而且提到了Piccolo引擎。我需要根据提供的引用信息来帮助解决这个问题。首先，看看用户提供的引用内容，特别是引用[1]和[2]，里面提到使用nlohmann::json库的adl_serializer来处理第三方类型的序列化和反序列化。这可能与当前的问题相关，因为静态断言失败通常是因为缺少特定类型的序列化或反序列化方法。 用户的问题提示Serializer::read<T>的静态断言失败，说明在尝试序列化或反序列化某个类型T时，编译器找不到对应的实现。这可能是因为用户的自定义类型没有为Serializer提供适当的read方法。根据引用[1]中的方法，需要为自定义类型实现特定的序列化函数，比如to_json和from_json，或者通过ADL（参数依赖查找）来让库找到这些函数。 在引用[4]中提到，JSON的值可以是任意类型，对应C++中的map<string, variant>，但用户可能在使用自定义类型时没有正确配置序列化器。因此，解决方案可能类似于引用[2]中的示例，为类型T实现序列化和反序列化的函数，并通过adl_serializer来适配。 另外，用户提到了Piccolo引擎，可能需要检查该引擎的序列化框架是否要求特定的接口或宏定义。如果Piccolo引擎使用的是类似的模式，可能需要显式地为类型T特化序列化器，或者注册类型到序列化系统中。 可能的解决步骤包括：确认类型T是否缺少序列化方法，为类型T实现read和write函数，使用ADL或特化模板，并确保这些函数在正确的作用域内可见。同时，检查是否有遗漏的命名空间或头文件包含，导致编译器无法找到对应的实现。此外，参考错误信息中的静态断言消息，可能需要查看Serializer::read<T>的具体要求，比如是否需要特定的模板特化或静态成员函数。 总结来说，用户需要为其自定义类型提供Serializer::read<T>和Serializer::write<T>的实现，或者通过类似nlohmann::json的adl_serializer机制来适配第三方类型，从而解决静态断言失败的问题。</think>要解决C++中`Serializer::read<T>`静态断言失败的错误，需根据序列化框架要求实现特定类型的序列化逻辑。以下是分步解决方案： ### 1. 理解错误原因 编译器提示`static_assert failed`，说明当前类型`T`未实现序列化框架所需的`Serializer::read<T>`方法。例如在Piccolo引擎中，序列化器要求对自定义类型实现以下接口： ```cpp template <> struct Serializer<YourType> { static YourType read(DataStream& ds); static void write(DataStream& ds, const YourType& value); }; ``` ### 2. 实现序列化方法 参考nlohmann/json的ADL序列化模式[^1]，为自定义类型实现读写方法： ```cpp // 头文件中声明 namespace YourNamespace { struct CustomType { int id; std::string data; }; // 序列化实现 void to_json(nlohmann::json& j, const CustomType& t) { j = {{"id", t.id}, {"data", t.data}}; } // 反序列化实现 void from_json(const nlohmann::json& j, CustomType& t) { j.at("id").get_to(t.id); j.at("data").get_to(t.data); } } ``` ### 3. 注册类型特化 若框架要求显式模板特化（如Piccolo引擎）： ```cpp template <> struct Serializer<YourNamespace::CustomType> { static YourNamespace::CustomType read(DataStream& ds) { int id = ds.read<int>(); std::string data = ds.read<std::string>(); return {id, data}; } static void write(DataStream& ds, const YourNamespace::CustomType& t) { ds.write(t.id); ds.write(t.data); } }; ``` ### 4. 检查类型可见性 确保类型和序列化方法在正确的作用域： - 序列化函数应放在与自定义类型相同的命名空间 - 头文件需要包含序列化函数的声明 - 使用`friend`声明处理私有成员访问： ```cpp struct PrivateType { private: int secret; friend void to_json(nlohmann::json& j, const PrivateType& t); }; void to_json(nlohmann::json& j, const PrivateType& t) { j = {{"secret", t.secret}}; // 可访问私有成员 } ``` ### 5. 验证实现 通过单元测试验证序列化结果： ```cpp TEST(Serialization, CustomType) { CustomType original{42, "test"}; DataStream ds; Serializer<CustomType>::write(ds, original); CustomType restored = Serializer<CustomType>::read(ds); ASSERT_EQ(original.id, restored.id); ASSERT_EQ(original.data, restored.data); } ``` ### 常见问题排查 1. **未实现特定方法**：确认是否遗漏`read`/`write`中的一个 2. **模板特化位置错误**：特化必须放在全局或类型所在命名空间 3. **类型不匹配**：检查`DataStream`的读写方法是否支持成员字段的类型 4. **版本兼容性**：序列化格式变更时需处理版本标记
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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