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 AI | GOAP | |
|---|---|---|---|---|
| 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!