再学一个就睡的博客

队列（Alignment）行为队列行为视图保持AI角色的运动朝向与邻居一致，这样就会得到像鸟群朝着一个方向飞行的效果。通过迭代邻居，可以求出AI角色朝向向量的平均值以及速度向量的平均值，得到想要的朝向，然后减去AI角色的当前朝向，就可以得到队列操控力。C#脚本代码using UnityEngine;namespace AI.Steering{ /// <summary> /// 队列 /// </summary> public clas

分离（Separation）行为分离行为的作用是使角色与周围其他角色保持一定的距离，这样可以避免多个角色相互挤到一起。当分离行为应用在许多AI角色（如鸟群中的鸟）上时，它们将会向四周散开，尽可能拉开距离。C#脚本代码using UnityEngine;namespace AI.Steering{ /// <summary> /// 分散 /// </summary> public class SteeringForDisperse : S

聚集（Cohesion）行为聚集行为产生一个使AI角色移向邻居的质心的操控力，这个操控力使得多个AI角色聚集到了一起。迭代所有邻居，求AI角色平均值，然后利用靠近行为，将平均值作为目标。C#脚本代码using UnityEngine;namespace AI.Steering{ /// <summary> /// 聚集 /// </summary> public class SteeringForCollect : Steering

组行为群体操控行为，正如大多数人工生命仿真一样，组行为是展示操控行为的一个很好的例子，它的复杂度来源于个体之间的交互，并遵循一些简单的规则。模仿群体行为需要下面几种操控行为分离（Separation）：避免个体在局部过于拥挤的操控力。队列（Alignment）：朝向附件同伴的平均朝向的操控力。聚集（Cohesion）：向附近同伴的平均位置移动的操控力。雷达（Radar）从上面几种操控行为可以看出，每种操控行为都决定角色对相邻的其他角色做出任何反应。为了实现组行为，首先需要检测位于当前AI角

避开障碍物（Obstacle）行为避开障碍物行为是指操控AI角色避开路上的障碍物，例如动物奔跑时，避免与树、墙碰撞。当AI角色的行进路线上发现比较近的障碍时，产生一个排斥力，是AI角色远离这个障碍物。using UnityEngine;namespace AI.Steering{ public class SteeringForEvadeObstacle : Steering { //字段 //障碍物标记 public string

路径跟随（Path Following）行为C#脚本代码using System;using UnityEngine;namespace AI.Steering{ /// <summary> /// 路径跟随：算法如同巡逻 需要路点 /// </summary> class SteeringForFollowPath : Steering { public enum PartolMode {

徘徊（Wander）行为许多时候，人们需要让游戏中的角色在游戏环境中随机移动（如巡逻的士兵、惬意吃草的牛羊等），就像这些角色是在等待某些事情发生，或者是在寻找什么东西，当角色出现在玩家视线中，人们通常希望这种随机移动看上去是真实的，如果玩家发现角色实际上是在沿事先预定好的路径移动，就会有不真实的感觉，那么便会影响到他的游戏体验。随机徘徊行为就是让角色产生有真实感的随机移动，那么这会让玩家感觉角色是有生命的，而且正在到处移动。using UnityEngine;namespace AI.Steer

逃避（Evade）行为逃避行为是指猎物躲避捕猎者的行为，举例说明：鹿被狼追逐，鹿要不断变化逃跑方向，试逃离狼预测的追逐方向。与追逐行为算法相似。C#脚本代码using UnityEngine;/// <summary>/// 逃避与拦截相似/// </summary>namespace AI.Steering{ /// <summary> /// 逃避 /// </summary> public class

追逐（Pursuit）行为追逐行为也叫拦截行为，与靠近算法很像，只不过如果模拟动物追逐猎物的时候，绝不是直接向猎物的当前位置奔跑，而是预测猎物的未来位置，然后向着未来位置的方向追去，这样才能在最短时间内追上猎物。实现追逐行为的一个关键是如何确定预测间隔T，我们可以把它设成一个常数，也可以当追逐者距离目标较远时设较大的值，而接近目标时，设为较小的值，也可以设定预测时间和追逐者与逃避者之间的距离成正比，与二者的速度成反比。一般情况下，追逐行为可能会提前结束，当逃避者在追逐者前方，那么追逐者直接向逃避者的当

抵达（Arrival）行为有时我们希望AI角色能够减速并停在目标位置，避免冲过目标。当角色距离目标较远时，抵达和靠近行为状态一样，但是接近目标时，不再是全速向目标前进，而是减速，最终恰好停到目标位置。设置一个减速区和到达区域，当AI角色进入减速区，速度逐渐减小到预期速度，直到到达区域，AI角色停止移动。C#脚本代码using UnityEngine;namespace AI.Steering{ /// <summary> /// 抵达 /// </

离开（Flee）行为离开和靠近行为正好相反，它产生一个操控AI角色离开目标的力，而不是靠近目标的力。可以进一步调整，当AI角色进入一定范围内，才产生离开的力，这样可以模仿出AI角色的有限感知范围。C#脚本代码using UnityEngine;namespace AI.Steering{ /// <summary> /// 远离 /// </summary> public class SteeringForFlee:Steering

靠近（Seek）行为操控行为中的靠近是指，指定一个目标位置，根据当前的运动速度向量，返回一个操控AI角色到达该目标位置的“操控力”，使AI角色自动向该位置移动。要想AI角色靠近目标，首先需要计算出AI角色在理想情况下到达目标的预期速度，该速度可以看作是从AI角色的当前位置到目标位置的向量。操控向量是预期速度与AI角色当前速度的差，该向量大小随着当前位置变化而变化，从而形成图中的靠近路线。using UnityEngine;namespace AI.Steering{ /// <s

运动层-AI操控行为基本操作行为Unity3D操控行为编程的主要基类Vehicle类Steering类LocomotionController类基本操作行为“操作行为”是指操作控制角色，让他们能以模拟真实的方式在游戏世界中移动，它的工作方式是通过产生一定大小和方向的操控力，使角色以某种方式移动。“操控行为”包括一组基本“行为”。对于单独的AI角色，基本的操控行为包括：基本行为中的每一个行为，都产生相应的操控力，将这些操控力以一定的方式组合起来，就能得到更复杂的“行为”，从而实现更高级的目标。对

Unity-AI游戏AI架构模型运动层决策层战略层AI架构模型其他部分为了学习游戏人工智能AI模块，购买了《Unity3D-人工智能编程精粹》，记录自己的学习的过程。游戏AI架构模型尽管每种游戏需要的AI技术都有所不同，但绝大多数线代游戏中对AI的需求都可以用三种基本能力来概括。运动：移动角色的能力决策：做出决策的能力战略：战略战术思考的能力运动层导航和寻路是运动层AI的主要任务，它们决定了角色的移动路径。当然，具体的移动行为还需要动画层的配合才能完成。决策层决策层的任务是决定角色

AI感知系统--视觉功能实现概念感知系统架构图：感知触发系统类图抽象感应器（AbstractSensor）抽象触发器（AbstractTrigger）触发器的类型（TriggerType）视觉感应器（SightSensor）视觉触发器（SightTrigger）感知触发系统（SensorTriggerSystem）测试用例概念概念：感知系统:在软件领域中:模拟人【或动物】的感觉的软件系统。【代码 数据类型】人的基本感觉:视觉、听觉、触觉、【嗅觉、味觉】视觉、听觉：目前是对视觉听觉模拟！智能感知

听觉触发器：using System.Collections;using UnityEngine;/// <summary>/// 听觉触发器/// </summary>namespace AI.Perception{ public class SoundTrigger:AbstractTrigger { //传播距离 public float caseDistance = 5; //有效时间