游戏 AI 决策:状态机、分层状态机、行为树、效用 AI 与 GOAP

2713 字
14 分钟
游戏 AI 决策:状态机、分层状态机、行为树、效用 AI 与 GOAP

一、游戏 AI 要解决什么#

游戏 AI 的核心是决策:在当前的情况下,NPC 应该做什么。比如一个小怪:

  • 没发现玩家时巡逻;
  • 发现玩家后追击,进入攻击范围就攻击;
  • 血量低时逃跑,或者呼叫同伴;
  • 被打时短暂硬直。

决定”做什么”之后,具体”怎么做”(怎么走过去用 寻路,怎么播放动作用动画系统)是另外的问题。本文关注决策的组织方式。

二、有限状态机(FSM)#

原理#

把 AI 的行为划分成若干个状态,每个状态有自己的逻辑,在满足条件时切换到另一个状态:

发现玩家 进入攻击范围
[巡逻] ──────────▶ [追击] ──────────────▶ [攻击]
▲ │ ▲ │
└─── 丢失目标 ─────┘ └─── 离开攻击范围 ──┘
任意状态 ── 血量 < 20% ──▶ [逃跑]

实现#

public interface IState
{
void Enter();
void Update();
void Exit();
}
public class StateMachine
{
IState _current;
public void ChangeState(IState next)
{
_current?.Exit();
_current = next;
_current.Enter();
}
public void Update() => _current?.Update();
}
public class ChaseState : IState
{
readonly Enemy _owner;
public ChaseState(Enemy owner) { _owner = owner; }
public void Enter() => _owner.PlayAnimation("Run");
public void Exit() { }
public void Update()
{
if (_owner.LostTarget) _owner.Fsm.ChangeState(_owner.PatrolState);
else if (_owner.InAttackRange) _owner.Fsm.ChangeState(_owner.AttackState);
else _owner.MoveTo(_owner.Target.position);
}
}

Enter 和 Exit 用来处理进入和离开状态时的一次性工作:播放动画、开启关闭特效、重置计时器。

优缺点#

  • 优点:直观,容易实现和调试;任何时刻只处于一个状态,行为确定。
  • 缺点:状态爆炸。状态之间的转换是两两连接的,状态越多,转换的数量增长得越快。加一个”被冰冻”状态,就要考虑它和所有其他状态之间的转换。逻辑也很难复用。

适合状态少、逻辑清晰的对象:玩家角色的动作状态、简单的小怪、UI 流程、游戏流程(加载、主菜单、战斗、结算)。

三、分层状态机(HFSM)#

状态内部可以再包含一个子状态机:

[战斗] [非战斗]
├── [追击] ├── [巡逻]
├── [攻击] └── [闲逛]
└── [躲避]
"脱离战斗"只需要从 [战斗] 这个父状态连一条线到 [非战斗],
不需要从追击、攻击、躲避分别连线

父状态处理共同的转换,子状态只关心自己内部的细节,大幅减少了转换的数量。Unity 的 Animator 中的子状态机就是这个思路。

四、行为树(Behavior Tree)#

行为树是目前商业游戏中最常用的 AI 方案。

执行状态#

每个节点执行后返回三种结果之一:

结果含义
Success成功完成
Failure失败
Running还在进行中(比如正在走向目标),下一次 Tick 继续

节点类型#

类型节点行为
组合节点Sequence(顺序)依次执行子节点,有一个失败就失败,全部成功才成功。相当于”并且”
Selector(选择)依次尝试子节点,有一个成功就成功,全部失败才失败。相当于”或者”,用于按优先级选择行为
Parallel(并行)同时执行所有子节点,按策略决定结果
装饰节点Inverter反转结果
Repeater重复执行
Cooldown冷却时间内直接返回失败
条件装饰条件满足才执行子节点
叶子节点Condition(条件)检查某个条件:看到玩家了吗?血量低吗?
Action(动作)执行具体行为:移动、攻击、播放动画

例子#

Selector(按优先级从上到下尝试)
├── Sequence:逃跑
│ ├── Condition:血量 < 20%
│ └── Action:逃离玩家
├── Sequence:攻击
│ ├── Condition:玩家在攻击范围内
│ └── Action:攻击
├── Sequence:追击
│ ├── Condition:看到玩家
│ └── Action:移动到玩家位置
└── Action:巡逻

每次 Tick 从根节点开始:先检查能否逃跑,不满足再检查能否攻击,以此类推,最后兜底巡逻。树的结构本身就表达了优先级。

最小实现#

public enum Status { Success, Failure, Running }
public abstract class Node { public abstract Status Tick(); }
public class Sequence : Node
{
readonly Node[] _children;
public Sequence(params Node[] children) { _children = children; }
public override Status Tick()
{
foreach (var child in _children)
{
var s = child.Tick();
if (s != Status.Success) return s; // 失败或进行中,直接返回
}
return Status.Success;
}
}
public class Selector : Node
{
readonly Node[] _children;
public Selector(params Node[] children) { _children = children; }
public override Status Tick()
{
foreach (var child in _children)
{
var s = child.Tick();
if (s != Status.Failure) return s; // 成功或进行中,直接返回
}
return Status.Failure;
}
}
public class Condition : Node
{
readonly Func<bool> _check;
public Condition(Func<bool> check) { _check = check; }
public override Status Tick() => _check() ? Status.Success : Status.Failure;
}
public class ActionNode : Node
{
readonly Func<Status> _action;
public ActionNode(Func<Status> action) { _action = action; }
public override Status Tick() => _action();
}
// 组装
var tree = new Selector(
new Sequence(new Condition(() => hp < 20), new ActionNode(Flee)),
new Sequence(new Condition(() => InAttackRange), new ActionNode(Attack)),
new Sequence(new Condition(() => CanSeePlayer), new ActionNode(Chase)),
new ActionNode(Patrol));

这个实现每次都从根节点重新开始评估。上一次处于 Running 的动作如果没有被再次选中,需要通知它中止(比如停止移动),完整的实现中要处理这一点。

黑板#

节点之间需要共享数据:目标是谁、最后看到玩家的位置、巡逻点……这些数据放在一个黑板(Blackboard)中,节点通过 key 读写,而不是互相引用。条件节点读取黑板,感知系统写入黑板,两者解耦。

中断#

正在执行”巡逻”这个耗时的动作时,玩家出现了,高优先级的”追击”应该打断巡逻。

  • 每帧从根节点重新评估(上面的实现):天然支持中断,但每帧都要重新检查所有高优先级的条件。
  • 从 Running 的节点继续执行:效率高,但需要额外的机制(条件中断,Conditional Abort)让高优先级分支的条件在变化时打断当前的执行。

事件驱动的行为树:只在黑板中相关的数据变化时才重新评估,进一步减少开销。

优缺点#

  • 优点:模块化,节点可以复用;通过组合表达复杂逻辑;优先级清晰;扩展新行为只需要加一个分支,不需要修改已有的转换;非常适合用可视化编辑器由策划配置。
  • 缺点:每次 Tick 的遍历有开销;对”状态”的表达不如状态机直观;树变大后也会难以维护。

实践中常组合使用:行为树负责高层决策,具体的行为(比如攻击的连招过程)用状态机实现。

Unity 中可以使用 Behavior Designer、NodeCanvas 等插件,Unity 也推出了官方的行为树工具,具体以所用版本为准。

五、效用 AI(Utility AI)#

不写死条件和优先级,而是给每个可选的行为打分,选择分数最高的:

攻击的分数 = f(与目标的距离) × f(自己的血量) × f(目标的血量)
逃跑的分数 = f(自己的血量) ← 血量越低,分数越高
治疗的分数 = f(自己的血量) × f(是否有药)

每个因素通过一条响应曲线转换成 0 到 1 的分数,曲线的形状决定了 AI 的”性格”。

  • 优点:行为平滑、自然,能在多个因素之间权衡,不会在临界值附近生硬地切换;新增行为只需要加一个评分函数。
  • 缺点:结果不那么可预测,调参(曲线)需要经验,调试难度较高。
  • 适合:模拟类游戏、需要显得”聪明”的 NPC(比如《模拟人生》中人物需求的权衡)。

六、GOAP(目标导向的行动规划)#

给 AI 一个目标和一组动作,每个动作有前提条件和执行效果,由规划器自动找出能达成目标的动作序列:

目标:敌人死亡
动作:
攻击 前提:手上有武器、在攻击范围内 效果:敌人死亡
捡起武器 前提:附近有武器 效果:手上有武器
移动到敌人 前提:无 效果:在攻击范围内
规划结果:捡起武器 → 移动到敌人 → 攻击

规划本身就是一次搜索:以”世界状态”为节点、动作为边,通常用 A* 找出代价最低的动作序列。

  • 优点:只需要定义动作,AI 能自己组合出解决方案,面对没有预先设计的情况也能找到办法,行为更有”智能感”。
  • 缺点:规划的计算开销大;行为难以预测和控制,设计者很难保证 AI 一定会做某件事;调试困难。
  • 适合:需要复杂、灵活决策的 NPC。

七、对比与选择#

状态机行为树效用 AIGOAP
思路状态 + 转换按优先级组合的树给行为打分自动规划动作序列
复杂度上限低(状态爆炸)高高高
可预测性高高中低
设计者控制力强强中弱
运行开销低中中高
适合简单 AI、角色动作、流程大多数游戏的 NPC 和 Boss模拟游戏、需要权衡的决策复杂、需要涌现行为的 NPC

休闲游戏中,小怪用简单的状态机通常就足够了;Boss 和复杂的 NPC 再考虑行为树。

常见追问#

状态机有什么问题?怎么解决? 状态多了以后转换数量爆炸,难以维护。用分层状态机让父状态处理共同的转换;或者改用行为树。

行为树有哪些节点? 组合节点(Sequence、Selector、Parallel)、装饰节点(反转、重复、冷却、条件)、叶子节点(条件、动作)。

Sequence 和 Selector 有什么区别? Sequence 依次执行,有一个失败就失败,相当于”并且”;Selector 依次尝试,有一个成功就成功,相当于”或者”,用于按优先级选择。

Running 状态有什么用? 表示动作还在进行中,下一次 Tick 继续执行,用来表达跨越多帧的行为。

行为树怎么实现中断? 每次从根节点重新评估,高优先级分支条件满足时自然打断;或者从 Running 节点继续执行,配合条件中断机制在高优先级条件变化时打断。

黑板是什么? 节点之间共享数据的存储,节点通过 key 读写,彼此解耦。

行为树和状态机怎么选? 简单的、状态清晰的用状态机;复杂的 NPC 和 Boss 用行为树。也可以组合:行为树做高层决策,状态机实现具体行为。

效用 AI 和 GOAP 是什么? 效用 AI 给每个行为根据多个因素打分,选择最高分;GOAP 定义动作的前提和效果,由规划器自动搜索出达成目标的动作序列。

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

游戏 AI 决策:状态机、分层状态机、行为树、效用 AI 与 GOAP
https://xslab.cloud/posts/algorithms/ai-decision/
作者
LuxFire
发布于
2026-10-14
许可协议
CC BY-NC-SA 4.0
相关文章 智能推荐
1
游戏中的随机:随机数生成器、权重随机、洗牌、伪随机分布与均匀采样
游戏算法 Unity 与 .NET 随机数生成器的区别、种子与可复现;权重随机的三种实现(线性、二分、别名法);Fisher-Yates 洗牌及其常见错误;洗牌袋;Dota 式的伪随机分布;在圆内、球面上均匀取点;正态分布与噪声;以及随机相关的服务器权威问题。
2
Unity 动画系统:Animator 状态机、混合树、Root Motion、动画事件与性能
Unity底层/基础 Animation 与 Animator 的区别;Animator Controller 的状态、过渡、参数、Has Exit Time、动画层与遮罩;混合树;Humanoid 与 Generic、动画重定向;Root Motion;动画事件与 StateMachineBehaviour;Override Controller;以及 Animator 的性能问题与优化方案。
3
空间划分:网格、四叉树、八叉树、BVH 与 AOI
游戏算法 为什么需要空间划分;均匀网格与空间哈希、四叉树与八叉树、BVH、KD 树、排序扫描的原理、复杂度和适用场景;四叉树的完整实现与动态物体的处理;在碰撞检测、范围查询、最近邻查找中的应用;以及 MMO 中的 AOI(九宫格与十字链表)。
4
寻路算法:BFS、Dijkstra、A*、JPS、NavMesh 与流场
游戏算法 寻路问题的建模(网格、路点图、导航网格);BFS、Dijkstra、贪心与 A* 的区别;A* 的原理、启发函数的选择与可采纳性、完整实现;JPS 跳点搜索;Unity NavMesh、拐角算法与局部避障;大量单位的流场寻路;分层寻路;以及路径平滑和性能优化。
5
曲线与缓动:贝塞尔、Catmull-Rom、弧长参数化与缓动函数
游戏算法 游戏中曲线的用途;二次与三次贝塞尔曲线的公式、性质与德卡斯特里奥算法;经过所有点的 Catmull-Rom 样条与向心参数化;曲线上匀速运动的弧长参数化;沿曲线运动时的朝向;常用缓动函数与 AnimationCurve;以及 Unity Splines。
随机文章 随机推荐
Profile Image of the Author
LuxFire
Hello, I'm LuxFire.
公告
欢迎来到我的博客!这是一则示例公告。
音乐
封面

音乐

暂未播放

0:00 0:00
暂无歌词
分类
标签
站点统计
文章
60
分类
6
标签
164
总字数
171,869
运行时长
0 天
最后活动
0 天前

文章目录