游戏里的人工智能AI
最近在写读书笔记，刚好涉及游戏AI这一块，就在这里总结一下，有什么问题请随时指出。
首先基本概念，人工智能AI（Artificial Intelligence）是指由人创造的一些模拟人的行为的系统，这适用于游戏中角色对人物的模拟。我们可以认为，AI系统的强大也决定了一个游戏是否惊险/有趣。反正总结就是一句话吧，太简单的AI会让人觉得索然无味，太难的AI会让人wocao,然后弃坑，所以尽量设计好AI吧。
基本的AI模型，可以分为层次处理运动层/决策层/战略层。
游戏中的AI也可以分为四块：1.操控游戏中角色的自主移动，包括群组行为操控；2.构建寻路系统，使游戏中角色之间可以找到目标并向目标移动，较为有名就是A*寻路算法，当然也可以直接使用unity自带的NavMeshAgent组件实现寻路；3.游戏中角色对游戏世界的感知，最简单的就是角色本身的生命状态/武力值等，复杂点还包括感知哪里有敌人，哪里有队友，哪里发生大的事件（如爆炸）；4.游戏角色的自主决策，就像人的本能，感觉痛就缩手，游戏角色也应当对一些事件有自己的决策，实现方式就是有限状态机与行为树的构建。
游戏中的AI角色是处于一个感知/思考/执行的循环中的，即感知游戏世界中的各类信息，拾取需要的信息进行思考还如何应对，再根据设定的机制执行。第二段文字中介绍了AI的一个通用模型，这里做具体讲解，图示如下。
接下来仔细分析其中几个游戏AI的内容吧：
1.群体行为与个体行为
群体行为即一个群体共同会做出的行为，如鸟群，会聚集在一起，同方向飞行，又会适当保持一定的距离，同时也可能出现几个个体鸟群是有个性的。这种群体行为当中也会有个体行为，如某两只鸟会靠的特别近，存在一定的偶然性，但总体保持一致的群体行为，才是符合真实世界的群体行为。实现时，可以在群体中设置一个领导者，并设一个layer给所有可以加入群体的对象，当在范围与视线内，这些个体可以加入群体，并根据群体特性加各种力调整其运动。
个人行为与群体行为是可以叠加作用的，但还是有一些特殊情况需要排除，如：物体在被追逐时，就不需要做徘徊；物体在要躲避碰撞时，就暂时不要考虑群体的影响等。因此我们可以给每个操控行动力加权重，甚至可以在某些情况下关掉某个操控力的控制。2.感知系统
感知系统与AI系统互不包含，却有着巨大的关系，只有一个完善的感知系统才能做出好的AI体验。感知系统是游戏AI角色对周围游戏世界的感知，如声音源判断/队友死亡做出反应等。下图给出一个较为复杂的感知系统。
一般来说感知系统包含听觉/视觉/记忆等，不同游戏对感知系统的要求大不相同，甚至有些游戏只需要知道game object的位置即可，这样的感知系统就很简单了。然而如果一个感知系统很复杂，那么在其中的开销就会很大，就会抢走一些CPU的预算。通常来说感知系统的实现基础有：轮询/事件机制/触发器。轮询在庞大的感知系统下似乎不是一个很好的选择，事件机制则需要提前向事件管理中心注册自身感兴趣的事件（大型感知下，效率较高），触发器则是采用unity自带的Collider Box,选择is Trigger，并在代码中进行监听即可，实现简单且有效。
3.FSM
FSM（有限状态机）适用于人物状态不多的情景，即通过状态机记录下当前状态，并对比是否满足其他状态转换的控制条件，如果满足，则进行状态转换。当然如果状态很复杂，那么考虑采用行为树实现AI的决策。FSM最简单的实现方式即为switch,但这种情况下很可能出现转换情况的错误考虑，而且会很混乱，可能跳入同时满足两个状态转换的情况。此时，可以考虑采用FSM框架来实现FSM，即创建状态基类和状态类，并且每个状态类维护自身的状态转换字典，借助代理的方式轻松实现转换。此外，还需要有一个所有状态的管理类（单例模式），用于注册维护状态与状态转换。
注：我看的书是《u3d人工智能变成精粹》，图也是来自该书，但内容与理解均为原创。