虚幻AI蓝图基础笔记（万字整理）

AI原理

一、三大阶段

AI的处理过程可以分为三大阶段：感知、思考、行动

(1)感知

对AI当前状态作记录。
“基本过滤”也是一种感知行为。
基本过滤 - 如果其他感知的优先级更高，会忽略部分信息

(2)思考

AI利用感知阶段收集到的信息，对当前信息和目标进行评估，为之后的行动指明方向。

(3)行动

根据感知阶段的信息和思考阶段的决策，AI在行动阶段对信息做出相应的行为。
行动阶段结束后，AI会再次回到感知阶段。
行为有可见的，如跳跑；也有不可见的，如通信

二、创造AI角色

一个角色蓝图，一个AI控制蓝图

• 胶囊体——控制碰撞
• 网格体——控制骨骼、动画、材质
• Camera Boom——控制摄像机视图
• 角色移动组件——控制角色移动、游泳、飞行等动作

流程

1.制作AI蓝图

a.拷贝第三人称角色蓝图——删掉事件图表中所有的节点（因为AI不需要输入数据）

b.删除一些与输入有关的变量：“基础转动速率”、“基础俯仰速率”

c.删除摄像机组件：camera Boom（摄像机升降臂）、跟随相机

2.AI控制器

a.添加AI控制器 - 替换刚刚删除的玩家控制器的功能

b.建立AI控制器蓝图

c.打开AI_ThirdPersonCharacter蓝图——PAWN——AI控制器类——绑定AI控制器蓝图

三、寻路

AI需要信息和数据才能在场景中移动并躲避障碍。
在场景中寻路是AI的基本功能，不仅仅是从A-B点。

（一）寻路原理

• 计算路径
• 躲避障碍
• 寻路网格体 - 用于帮助AI在场景中寻路。网格体由大量凸多边形组成，规定了哪些区域AI可以通过。
  
• 预计算数据

寻路网格体都是预先计算（“烘焙”）好的，这意味着在游戏开始前，以2D网格体形式表示的寻路网格体就已经包含了场景对象和AI自身生成的碰撞数据。这就使得寻路的开销更低。对于那些代理数量或类型不确定的实时体验来说，这点尤为明显。

添加寻路网格体Actor

为了让AI使用预计算数据。
流程

• 模式 - 寻路网格体（Nav Mesh Bounds Volume）拖入场景 - “细节”面板调整笔刷尺寸 -
  让网格体覆盖AI需要行走的场景

寻路网格体开销低、速度快、高可靠，可以快速实现导航功能，但是场景无法动态修改寻路网格体。

（二）配置寻路网格体

1.寻路网格体调整

寻路网格体大小不需要特别准确。
a.显示网格体 ：视口选项 - 显示 - 导航（快捷键P）

b.默认网格体自动更新 - 移动场景物件，寻路网格体会实时更新。若关卡较大，会很耗性能。
c.（仅对较大关卡）关闭自动更新 - 编辑器偏好设置 - 关卡编辑器 - 杂项 - 关闭自动更新导航

d. 手动更新 - 构建 - 导航 - 构建路径（无需在意日志里的错误消息）

2.使用RecastNavMesh调整寻路网格体部分属性

创建寻路网格体时，Recast寻路网格体自动创建。
选中RecastNavMesh，在细节面板调整。

• 绘制偏移 - 抬升或降低寻路网格体。不会改变网格体实际位置，只是改变视觉效果。（对被遮挡的区域显示很有帮助）
  默认为10。

• 导航修改器体积（Nav Modifer Volume） - 不会生成任何几何体。

• 导航网格体障碍 - 表现某片区域难通过。AI不会优先选择这个路径。不会移除导航网格体。

• NavArea_Null - 移除导航网格体，无法通过

。

• NavArea_LowHeight - 在高度不足的地方使用。无法通过。

• NavArea_Default - 可以通过。

（三）导航网格体代理

如果想要尺寸更大、游泳、飞行的角色，只需要定义新的寻路网格体代理，并进行相应设置以适应新的尺寸和运动形式。

• 代理 - 场景中任何形式的自主实体。这里泛指AI角色。
• 在RecastNavMesh中调整代理参数，可打开AI蓝图的胶囊体参数对照调整。
  
• 代理高度 - 会出现高度不够，但是可以通行的状况。修改后，变为不可通过区域。
  
• 增加代理类型和数量：项目设置 - 引擎 - 导航系统 - 代理

四、使用控制器让AI漫游

（一）蓝图编写漫游逻辑

给角色蓝图新建一个自定义事件，包含随机漫游逻辑 - 增加一个函数，在游戏中反复调用自定义事件
流程
a.AI行动
打开AI角色蓝图 - 在“事件图表”窗口右键创建“自定义事件custom event”，命名为“random wander随机漫游”- “随机漫游”后跟“到Location的简单移动Simple Move To Location”函数

• “到Location 的简单移动”的两个参数：
  • Controller - 角色的控制器。
  • Goal - 用向量表示的目标位置。
• Get controller - 会获取所绑定的对象，并返回该对象的控制器。

b.“Get controller获取控制器”函数返回值与“到Location的简单移动”的controller参数连接。

• “Get Random Reachable Point In Radius获取半径内能到达的随机点”参数：
  • Origin起点
  • Radius半径 - AI能到达的范围
• “Get Actor Location获取Actor位置” - 默认为自己。

c.随机漫游
“获取半径内能到达的随机点”起点为当前AI的位置：“获取Actor位置”函数的返回值连接origin - 调整半径为1000 - 返回值与“到Actor的简单移动”的Goal参数连接。

d.定时器循环
创建“begin play”事件 - 连到“set timer by event以事件设置定时器”函数 - random wander随机漫游事件连到“以事件设置定时器”函数的event引脚，设置开始时间time，勾选looping循环

运行游戏，AI会在1.5s后随机漫游

（二）寻路网格体和GamePlay调试器

游戏运行后，按“’”打开控制台。

• 可在项目设置 - 引擎 - 输入 - 控制台，添加快捷键
  

Gameplay debug“调试器”：检验AI能否在游戏中正确使用寻路网格体。
运行游戏，按快捷键弹出Gamplay调试器，可以看到寻路网格体在不断更新

左上角 - 对应按键

AI信息，行为树

（三） 替换AI美术资源

1.替换AI人物

现在替换AI模型。类型最好是Character而不是Actor，这样才能调用pawn。

将蓝图直接拖入场景，boss就被导入了。

2.调整动画

编写好boss蓝图后，发现boss在移动时在平移，而不是播放跑步动画。
在其他的博主那里看到一个很方便的调试方法：
找到BOSS动画蓝图 - 找到Set is Accelerating一栏

当前是获取的玩家的加速度，转换成向量，再转成长度。大于0则表示在加速。
但是我们的boss是个AI，并没有输入，所以需要获取当前AI的速度：
打断向量长度与0的判断 - 在左边变量找到speed，按住ctrl拖入 - speed与0的判断相连

再次运行游戏，boss移动时就会播放跑步动画了。

五、AI感知

（一）视觉

A.创建感官
为AI增加AI感知组件：打开AI蓝图 - 在组件面板增加AI perception感知组件 - 细节 - AI感知,在感官配置栏添加数组 - 数组类型选AI sight Config（AI视力配置）

• 感官配置 - 多少数组代表AI拥有多少感官

B.按归属检测 - 勾选“检测中立方”

• 系统默认为中立，所以给玩家选为中立方以便检测
  
• 最大年龄 - 与多久前见到的最后一个目标有关

C.把玩家标记为刺激源，这样AI就能感知到。
打开玩家蓝图 - 在组件面板添加AI感知刺激源组件 - 细节面板 - AI感知 - 勾选“自动注册为源”、添加数组、类型为AISense_Sight

（二）AI感知和Gameplay调试器

在使用Gameplay调试器之前，先禁用AI蓝图事件让AI停止移动，这样有助于处理感知系统。
A.打开AI蓝图 - 对“事件开始运行”的引脚按Alt断开，停止调用随机漫游事件

B.关闭TAA临时抗锯齿选项：编辑 - 项目设置 - 引擎 - 渲染 - 默认设置 - 抗锯齿方法，勾选“无”

• TAA临时抗锯齿 - 会把若干帧混合在一起，Gameplay的调试线条这类单像素线条很难观察到。

C.运行游戏 - “‘”调出控制台 - 4打开感知信息

• Sight：1 - 可被看见
• Age：多久前更新的信息
  • 0 - 最新的信息。

离开后，年龄开始增加。球体表示最后的位置。

D.在AI蓝图中调整视线半径和失去视线半径数值。

• 视线半径 - 进入绿圈即可获得视野。
• 失去视线半径 - 走出粉圈则失去视野。
• 两者有间隔：过渡更自然。
• 两者重合：会在边界处反复失去和获得视野。

（三）使用AI感知事件

A.在AI蓝图中，选取AI Perception组件 - 在细节面板的事件选项中添加“On Target Perception Update目标感知更新时”事件 - 事件会在蓝图中生成。

• On Target Perception Update事件 - 捕获并存储AI感知的信息以及感知的方式。

B.确定AI是否看到Actor
拖拽Actor引脚，提升为变量并给改名为“Perceived Actor可被感知的Actor” - 拖拽Simulates刺激源结构引脚，添加“中断AI Simulates”断点 - 左键点击并按住B生成Branch分支节点 - 中断AI Simulates的Successfully Sensed布尔值引脚与分支节点的“条件Condition”连接，SET的执行引脚与分支节点的执行相连接。

• Actor - 这个变量包含AI感知到的Actor的引用。这个引用会在蓝图中频繁地使用。
• 收起引脚 - 在中断AI Simulates的细节面板中点击“隐藏未连接的引脚”
  
  
  
  
  
  
  

C.丢失视野，则AI放弃追踪。
右键创建一个“自定义事件Custom Event”并改名为“Target Lost目标丢失” - 拖拽分支的False引脚并连接新建一个事件定时器“Set timer By Event” - Target Lost事件与定时器的Event相连接，作为触发器，time设为5s。不要勾选循环，因为只触发一次。 - 在“我的蓝图”面板按住Alt键，拖动Perceived Actor到蓝图中创建一个变量。 - Target Lost与Set执行引脚相连（由于没有为Perceived Actor赋值新的变量，AI感知的对象会被清空）

D.为真时，消除定时器
拖拽分支的True引脚并新建一个函数“Clear and invaliate timer by handle以句柄清除定时器并使之无效” - 在定时器的返回值拖拽并提升为变量，改名为Target Lost Timer。- 在我的蓝图面板按Ctrl拖拽并创建Target Lost Timer变量，与以句柄清除定时器并使之无效的handle句柄引脚相连接

六、行为树

AI最重要的环节 - 行为树。
借助行为树，可以轻松控制并显示AI的决策制定过程。

• 行为树：是一种将AI在场景中决策制定模型可视化的方法。
  • 观察行为树的可视化结构，可以清晰地了解行为树的执行方式和执行顺序，而不必了解每个节点的具体工作方式。
  • 执行顺序 - 由行为树中各个节点的位置决定。从上到下，从左到右。

1.任务节点

行为树的一种节点，下面无法添加其他节点。
是行为树分支的终点（但不是行为树的终点！）。
也被成为“叶节点”

• 任务状态 - 分为：成功、失败、执行。
  • 无论失败与否，都会执行下一个节点。顺序从左到右。

2.合成

合成是AI执行分支的根。不会像叶节点那样执行，但能创建一个结构，并根据其子节点的成败控制顺序。

• 选择器合成 - 会执行它下面的子节点。
  • 试图选择最合适的任务 -
    子节点返回成功，选择器成功。所有子节点返回失败，选择器失败。（只要有一个任务成功，则成功。所有任务失败，则失败。）
  • 可以把优先级最高的任务放在左边。
• Squencer合成 - 序列合成节点会按照序列顺序遍历子节点，当且仅当所有子节点返回成功，它才成功。如果某个步骤执行失败，它失败。

3.结合

任务和合成可以创建出各种方法来处理AI的行为。
不必纠结如何完成任务，只需制定决策完成任务即可。

（一）构建一个行为树

a.创建需要的资源
在内容栏里创建一个文件夹“BT_Assets” - 在文件夹中右键AI栏中创建一个行为树“BT_EnemyAI”，再创建一个黑板“BB_EnemyAI”

b.确保AI可以使用行为树
打开AI控制器蓝图 - 创建“Event On Posses事件控制时”事件 - 拖拽执行引脚创建“Run Behavior Tree运行行为树”函数，在BTAsset下拉栏中选择BT_EnemyAI行为树

c.确保黑板与行为树关联
打开行为树，在细节面板确认资产是否选择黑板

d.在黑板创建一个变量来保存目标位置，作为新的漫游目的地
在行为树窗口切换为黑板 - 在黑板选项卡新建一个“向量Vector”条目，命名为Target Location

e.新建一个任务封装之前写的随机漫游逻辑
在行为树中新建任务BTTask_BluePrintBase，改名为“BTT_FindNavigatableLocation” - 新建文件夹来储存行为树任务，并打开蓝图 - 新建“Receive Execute AI事件接收执行AI” - 新建“获取可导航半径内的随机点Get random reachable point in radius”函数 ，半径改为1000 - “事件接受执行AI”事件的Controlled pawn引脚拖拽新建“获取actor位置”函数 - 获取actor位置的返回值与获取可导航半径内的随机点函数的Origin相连接。

f.处理随机参数的返回值
和之前的逻辑不同，一旦这个任务完成，它所包含的信息都会销毁。所以要把任务传给行为树，再传给黑板。
拖拽获取可导航半径内的随机点的random location新建“Set blackboard value as vector把黑板值设为向量”函数 - 拖拽Key引脚并“提升为变量”，改名为Target Location Key。并在我的面板中保证其为公开：因为要在行为树中操作。（名字要与黑板中的键相同，否则无法传递数值） - 事件接受执行AI事件的执行引脚与将黑板值设为向量的执行引脚相连。

g.告诉行为树任务已完成
如果不告诉，任务会一直卡在这里。
将黑板值设为向量的执行引脚与“finish execut完成执行”函数的执行引脚相连 - 获取可导航半径内的随机点的返回值与完成执行的success引脚相连。
只要AI找到随机点，就判断成功。

h. 创建行为树
从根拖拽并添加一个sequence序列合成器 - 再添加一个sequnce合成，在细节面板改名为“random wander” - 在sequence下从左到右添加之前创建过的任务BTT_FindNavigatableLocation并改名为“Find suitable Location”，Target Location Key改为Target Location 、Move To并更改黑板键为Target Location、Wait并把等待时间改为3s

（二）追逐玩家

提供感知信息给AI，让AI制定决策。修改行为树以便控制执行流程。
A.创建新的黑板键来保存信息
打开AI行为树 - 黑板 - 新建条目object类型，命名Target Actor - 细节面板，键类型>基类，改为Actor类型 - 新建布尔类型条目，命名Has Line Of Sight

B.调整AI控制器，可以根据感知系统变化来更新黑板键
打开AI控制器，创建一些辅助函数便于处理黑板键：
1.更新黑板数值函数
在我的蓝图面板中新增函数，命名为“Update Target Actor Key” - 在细节面板，输入分段添加一个条目。类型为Actor，命名为Target Actor - 蓝图中新建一个变量“获取黑板键Get Blackboard” - 拖拽引脚新建函数“Set Value As Object 将值设为对象”，拖拽Key name提升为变量“Target Actor Name”（与行为树相关联的黑板键相同）。细节面板>变量>类别，新建一个类别Key Names

设置Target Actor Name的默认值：需要与黑板键名字一致，最保险的方法就是复制粘贴。
打开黑板，复制Target Actor名字，粘贴到Target Actor Name的默认值。

Update Target Actor Key的Target Actor 引脚与Set Value As Object的Object Value相连，执行引脚相连。

2.保存AI感知信息函数
在我的蓝图面板中新增函数，命名为Update Has Line Of Sight Key - 在细节面板,输入分段添加一个条目。类型为Boolean，命名为Has Line Of Sight - 蓝图中新建一个变量“获取黑板键Get Blackboard” - 拖拽引脚新建函数“Set Value As Bool 将值设为布尔”，拖拽Key name提升为变量“Has Line Of Sight Name”（与行为树相关联的黑板键相同）。移入Key Name类别。




设置Has Line Of Sight Name的默认值：
打开黑板，复制Target Actor名字，粘贴到Target Actor Name的默认值。

Update Has Line Of Sight Key的Has Line Of Sight 引脚与Set Value As Bool的Bool Value相连，执行引脚相连。

C.利用On Target Perception Update事件来更新新的黑板键
感知状态更新时，对应的黑板键也会更新。
为了访问新建的函数，要获取AI控制器的引用。
1.Update Target Actor Key来展示Target Lost事件
打开AI蓝图 - 新建get controller函数 - 把泛型引用改成AIC_ThirdPersonCharacter：拖拽get controller的返回值，新建cast to AIC_ThirdPersonCharacter“类型转换成AIC_ThirdPersonCharacter” - 为了清晰便于理解，“类型转换成AIC_ThirdPersonCharacter”右键“转换成纯类型转换” 。拖拽As AIC_ThirdPersonCharacter引脚调用Update Target Actor Key - Target Lost连接设置节点的执行引脚与Update Target Actor Key的执行引脚相连
（当没有目标Actor时，Update Target Actor Key不会提供任何参数）




2.Has Line Of Sight Key表示为“假”时的情况
利用函数把Has Line Of Sight Key设为假：
复制get controller、类型转换成AIC_ThirdPersonCharacter两个函数 - 拽As AIC_ThirdPersonCharacter引脚调用Update Has Line Of Sight Key -连接设置节点的执行引脚与Update Has Line Of Sight Key的执行引脚相连（避免Update Has Line Of Sight Key勾选Has Line Of Sight）


3.利用上面两个函数表示为“真”时的情况
此时AI可以看到玩家。
复制这两个函数
为真的执行引脚与Update Target Actor Key的执行引脚相连。在我的蓝图面板ctrl拖拽Percevied Actor 函数赋值给Update Target Actor Key的Target Actor - Update Target Actor Key的执行引脚与Update Has Line Of Sight Key 的执行引脚相连，勾选Has Line Of Sight

总结：黑板键是提供信息给行为，不做任何决定。行为树负责做决定。
D.拼凑行为树
打开行为树 - 第一个合成器换成Slector ，随机漫游放置在右侧 - 在选择器下创造一个新序列Sequncer，并改名为“追逐玩家” - 追逐玩家序列下新建Move to任务，并在细节>黑板>黑板键，改为Target Actor - 新建Wait任务，并把时间改为1s。

• Wait任务 - 通常会在序列后加一个1s的wait任务，以此来避免AI在多个序列中快速浏览，这样会自然一些。

使用装饰器控制分支的执行方式（只有当前需要设置目标Actor时才应该执行）：
追逐玩家序列器>右键>添加装饰器>BlackBoard - 装饰器起名为Is A Target Actor Set？，把节点名称描述得清楚一些，有助于理解 - 配置装饰器，控制执行流程：黑板键选取Target Actor，通知观察者选取结果改变时、观察器中止选取Both

• 黑板分段 - 允许定义期望的结果
• 流控制分段 - 允许控制观察到期望结果时，执行流程会发生什么。
  • 通知观察者
    • 结果改变时 -（默认）键查询结果变化时，会按照观察器中止的内容执行。
    • 值改变时 - 当目标Actor键变化时，执行流程改变。
  • 观察器中止
    • None（默认） - 不中止任何操作
    • Self - 中止自己
    • Low Priority - 中止低优先级序列
    • Both - 两个序列都中止
      
      
      
      

（三）测试行为树

以最快最有效的方式跟踪行为树的执行流程。
A.调试行为树信息
把玩家放在AI看不到的地方 - 运行游戏 - 打开行为树，选取AIC_ThirdPersonCharacter - 选取随机漫游的wait，F9打上断点。也可以用返回执行上一个节点。
随着行为树越复杂，这个功能越好用。

B.使用Gameplay观察行为树
如果出包，或者屏幕有限，可使用Gameplay调试器。
运行游戏 - 打开gameplay调试器 - 按1隐藏AI信息，只显示行为树信息 - 暂停游戏可观察具体流程信息、黑板信息

七、EQS环境查询系统

EQS（Environment Query System） - 让AI能将多种环境因素考虑在内。

（一）创建第一个EQS查询

创建一个AI感兴趣的食物Actor，放入关卡。然后建立EQS查询来帮助AI定位食物来源。
A. 创建食物
新建一个EQS文件夹 - 在文件夹内右键>蓝图类>创建一个Actor蓝图，改名为FoodSource - 打开蓝图，在组件面板新建一个CUBE立方体组件 - 在右侧细节面板>碰撞>碰撞预设，选为无碰撞 - 把Z轴坐标改为70,（有助于放入关卡地图） - 把食物拖入地图

• Nocollison - 避免和Actor碰撞影响寻路网格体，从而影响AI运动。
  
  
  
  
  

B.添加EQS查询食物来源
在EQS文件夹中右键>人工智能>创建环境查询资产，改名Find Closet Food Resource - 打开环境查询编辑器，拖动根节点创建Actors Of Class生成器 - 细节面板>生成器分段:搜索的Actor类选FoodResource，取消勾选“仅半径生成Actor” - Actors Of Class右键添加Distance测试，在细节面板：测试目的为仅得分，计分因子为-1

• 仅半径生成Actor - 如果是大型关卡，最好勾选。
• 偏好更少 - 各个食物来源会根据与AI的距离来计分，偏好更少的分数，也就是最近的。
  
  
  
  
  
  
  
  C.在行为树中使用EQS
  创建一个黑板键来存储最近的食物来源，然后用装饰器来决定AI是追逐玩家、随机漫游、搜寻食物。
  打开行为树 - 在黑板页面新建一个Object条目，改名为TargetFoodResource，基类选FoodResource - 在行为树页面，添加一个Sequence序列，改名为FindFood - 下拉序列器添加Run EQSQuery任务。细节>EQS>EQS请求：查询模板选择Find Closet Food Resource，运行模式选择单一最佳项目。（查询仅计分，会返回多个项目。所以要选择单一）黑板键设为TargetFoodResource。 - 下拉创造Move To Task任务，选取黑板键TargetFoodResource - 下拉添加Wait任务，等待时间改为1s。
  
  
  
  
  
  
  
  

（二）根据饥饿程度制定决策

赋予AI搜寻食物的理由，避免只搜寻食物，这样更自然。
在行为树中创建一个服务，修改饥饿的黑板键>通过服务让饥饿程度上升>通过装饰器决定执行哪个序列。
A.创建饥饿黑板键
打开行为树，切换到黑板页面 - 创建一个浮点条目，起名Hunger - 在行为树页面新建服务 - 在内容管理器重命名服务为BTS_Hunger，新建文件夹Service，放入服务 - 在服务编辑器中新建一个变量HungerKey，改为公有（这样可以在其他的行为树中修改），变量类型改为BlackboardKey

B.编写饥饿服务蓝图
新建Event Receive Tick AI事件接收AI事件 - 按住Ctrl把HungerKey拖入事件图表 - 拖拽HungerKey引脚新建Get BlackBoard Value as Float将黑板值作为浮点数获取函数 - 拖拽Get BlackBoard Value as Float返回值新建Float+Float浮点数+浮点数，拖拽引脚提升为变量，改名为Hunger Increase Rate，改为公有 - 拖拽Float+Float新建Clamp Float限制浮点函数。

• Tick Event - 每当行为树的服务更新时，这个事件就会触发。
• 让饥饿值与递增率相加 - 表示这一帧饥饿发生了变化，限制范围0-1
  
  
  

把上面的值存入黑板中：
复制HungerKey - 拖拽新建Set BlackBoard Value as Float，限制浮点的返回值与其Value连接 - Event Receive Tick AI执行引脚与Set BlackBoard Value as Float执行引脚连接。

C.把服务添加到行为树
希望服务一直运行，所以要放在选择器中
选择器>添加服务>BTS_Hunger - 细节面板中调整 - 默认分段：KEY选取Hunger，递增速率改为0.1； - 服务分段：去除随机偏差，间隔改为1。

改变行为树执行顺序：
FindFood添加黑板装饰器 - Key选择Hunger，键值=1，名称改为饥饿值是否最大？

• 达到1时阻止FindFood序列
  

D.重置饥饿值：
当前一旦找到食物就会一直重复FindFood序列。
新建一个基类任务，改名为BTT_SetFloatKey，放入任务文件夹 - 在编辑器中新建变量FloatKey，设为公开。变量类型为黑板键。 - 再新建一个变量FloatValue，类型为浮点数，公开 - 新建Event Receive Execute AI事件接收执行AI事件 - 按住ctrl拖动FloatKey到蓝图中，拖拽引脚新建Set BlackBoard Value As Float - 按住ctrl拖动FloatValue到蓝图中，与Set BlackBoard Value As Float的Value连接 - Event Receive Execute AI执行引脚与Set BlackBoard Value As Float执行引脚连接 - 新建Finish Excute函数，勾选Success。Set BlackBoard Value As Float执行引脚与其相连






把新任务添加进行为树：
在FindFood下添加SetFloatKey任务，并把值设为0

（三）第二个EQS - 伏击

自定义情景。
a.新建一个情景用于EQS查询
右键- 蓝图- 新建Env Query Context_BlueprintBase（环境查询情景蓝图基础），改名为EQSC_player - 在EQS文件夹中新建一个文件夹Contexts情景，把Env蓝图移入

b.创建蓝图
此情景的目的是找到玩家，并作为新的Actor，所以可以覆盖现有函数。
我的蓝图>函数>重载>提供单一Actor - 新建Get Player Character，返回值与Resulting Actor连接。
现在可以新建EQS查询了。

c.伏击EQS
新建一个环境查询，起名EQS_HideNearPlayer - 在编辑器中拖动根节点，新建Point Grid生成器，网格大小1200，间隔300，EnvQueryContext_Querier在Querier周围生成。

• 网格点生成器原理：查询AI周边许多点作为起始点，逐渐缩小，直到一个点。更大更分散的更适合伏击行为。
  
  
  

移除AI会到达玩家能看到的点：
在生成器上添加测试Trace追踪 - 仅过滤（这个任务无法判断最佳点），情境选取EQSC_player

• 原理 - 会在玩家和网格点中添加一条射线，如果命中，这个点将会被移除。
  
  
  

挑选离玩家最近的点：
添加Distance测试 - 仅得分，得分因子=-1



确保AI可到达位置：
得分高的点可能无法通过，筛选出能到达的点。玩家和网格体间可以生成一段导航路径。
添加PathFinding测试 - 过滤和计分 - 情境选取EnvQueryContext_Querier

d.加入行为树
追逐序列改为躲藏序列。
打开行为树 - 追逐玩家改为躲藏玩家 - 新建Run EQS Query任务并放置最左侧 - 黑板键Target Location，查询模板EQS_HideNearPlayer

Move To任务黑板键改为Target Location

（四）EQS测试Pawn

使用EQS测试Pawn可以在编辑器里快速迭代、测试查询，不需要一遍遍来运行游戏。

在EQS文件夹新建EQSTestingPawn蓝图，改名EQS_MyTestingPawn - 拖入关卡，放置在地面上 - 细节面板>EQS>查询模板，选择EQS_Find Closet Food Resource




可以看到食物顶端有数字，那是EQSPawn打的分数，移动Pawn，分数会随之改变。

更换为EQS_HideNearPlayer，可以看到有效点太多，因为并没有开始运行游戏。修改情景为使用测试Pawn而不是玩家角色。

打开contexts文件夹的EQSC_playecontext蓝图 - 按住ALT点击获取玩家角色的返回值断开连接，而不删除节点。（演示结束后还要重新表示情景中的玩家角色） - 让情景表示EQS测试Pawn。因为Pawn将是查询的Actor，所以使用Provide Single Actor函数提供的引用 - 拖拽Querier Actor新建EQS_MyTestingPawn，右键纯类型转换，返回值与Resulting Actor连接。


再次点击Pawn，发现网格点变化

• 蓝色 - 被追踪测试过滤掉
• 绿色 - 可伏击的点
  

正在查询模式换为单一最佳项目，显示最优点：


想要更多的细节，必须逐个检查每一项测试：
调试绘制步骤Step to Debug Draw - 步进数量与生成器中测试的执行顺序有关。
打开EQS_HideNearPlayer，比较每个测试和结果。


重置情景用于游戏测试：恢复EQS_PlayerContext

（五）EQS GamePlay调试器

如果游戏已经开始，使用Gameplay调试器，关闭AI、行为树信息，按3打开EQS信息。
按下小键盘“/”，可以看到各个得分点情况。

八、比较UE4的AI实现方式和AI理论

一 、 感知

• 导航系统 - 感知系统外的一种特殊感官。允许AI在前往位置时感知到静态障碍物。在未遇到障碍物之前还可以感知到其占据一片区域。
• 感官分类 - 任何能被AI感官系统覆盖的内容都归结于此：
  • 通过感知系统添加的其他感官

二、思考

• 行为树
• 黑板

三、行动

• 行为树任务
• 移动
• 播放动画
• 发出声音
• 向其他AI发送消息

四、AI连接系统

• 行动再回到感官
• 当行为树任务完成时，会完成序列，然后重新评估装饰器。
• 注意：由于行为树和感知系统自身特性，这种基于事件的系统可以独立触发，而无需在循环中运行。
• 规划宏观任务流程时，这种方法可以把AI流程模块化

九、拓展

一、改善感官

• 为AI增加更多感官：
  • 听觉
    • 调整感官优先级
• 增强AI对环境的感知能力：
  • 利用导航链接，让AI从坡道上跳下来
• 在EQS查询增加更多检测，使其更加精细：
  • 为现有的隐藏点增加点积测试，让地上的点面向一个特定的方向，让AI只在玩家面前躲藏

二、改善思考

• 探索简单的视差
  • 在AI向玩家移动时，是否在近战范围内
• 探索现有的装饰器类型
  • 条件循环
  • 冷却时间

三、改善行动

• 为AI增加一个搜索行为
  • 看不到玩家时开始搜索
• 建立一个简单的巡逻系统
  • 创建单独的巡逻对象，它们保存着各处场景的点的信息，让AI用它们查找下一个点