Games104现代游戏引擎入门-lecture16游戏引擎的Gameplay玩法系统基础_AI Basic

1 Navigation

Navigation Steps：

1 Map Representations-Walkable Area

2 Formats

1 Waypoint Network

把空间抽象成一个个的点。

点和点之间形成一个网络，路网的方法，很古老。

缺点：地图经常变化，需要经常跟新网络图，目前很少用了

2 Grid

可以动态更新，问题在于：存储浪费，效率低，很难表示层递结果。

3 Navigation Mesh

面覆盖，ai可以更自由，


多边形：凸多边形

寻路很快，但是生成毕竟麻烦
小鸟和无人机无法表达。

4 八叉树

解决naviMesh的问题。
存储毕竟浪费。

3 寻路

两个算法:
深度优先
广度优先
但是无法计算加权最短路径。

Dijkstra 算法

启发式算法；A*算法是最普遍的算法。小机器人在环境里如何动了。

4 Path Smoothing

Funnel算法

5 NavMesh 生成

体素化-标记成可通行区域，

标记navmesh。

块，一个个的块，

建立手动的连接线，提供向上的开放性。

2 Steering

追，逃
速度匹配
朝向一致

1 Seek/Flee

2 velocity Match

小步长。

3 Align

角速度也有个速度
角速度的加速。角加速和角减速

3 Crowd Simulation

群体运动；

微观控制
运动趋势
宏观控制+围观控制

1 微观

不可控的

2 宏观

3 宏观+微观

4 避免碰撞

数字孪生

基于速度的障碍法

多个物体，需要做整体的优化，空间 上所有的速度。
RVO复杂度很高，很难实现，推荐Force-based方法。

在引擎里有mpc，mpc有群体的行为，不希望彼此碰撞，ai效率很低，需要碰撞避免系统。

4 Sensing

1 静态信息；

2 动态信息：

引擎需要设计一个开放的接口

3 感知模拟

5 Classic Decision Making Algorithms

1 有限状态机

当state很多的时候，就毕竟麻烦了
这些算法是15年前用的，HFSM

2 行为树BT

状态机是AI逻辑的抽象，状态里来回切换，但是不符合真实人的思考。
人的真实思考是分支性思考，像一棵棵树一样，他来源于是决策树。

1 可以执行的节点

2 控制节点

决策时可以同时处理多个事情。

1 sequence

非常重要的控制节点

2 Selector

3 Parallel

3 Tick 行为树

4 Precondition

最了不起的地方是：人类好去理解，好去维护
五类节点包含了几乎全部人类所有的活动。

5 Blackboard

6 Pros

7 cons

8 AI planning and goals

6 问题

有个goto

读的是点，图，
AI获取数据的时候效率很低，

垂直面，可以标记。

7 视频

https://www.bilibili.com/video/BV1r34y1J7Sg/?spm_id_from=333.788&vd_source=5c9c50b5a07b211beafdf65d7cc7f8c8