Unity3D人工智能架构模型
- 感知：是AI角色与游戏世界的接口，负责在游戏运行过程中不断感知周围环境，读取游戏状态和数据，为思考和决策收集信息。（for example:是否有敌人接近等。）
-
思考：利用感知的结果选择行为，在多种可能性之间切换。（such as：战斗还是逃跑？躲到哪里？）
一般来说，这是决策系统的任务，有时也可能简单地与感知合二为一。 - 行动：发出命令、更新状态、寻路、播放声音动画，也包括生命值减少等。这是运动系统、动画系统和物理系统的任务，而动画和物理系统由游戏引擎提供支持。
游戏AI的架构模型
对AI需求的三种基本能力：
(根据游戏种类和需求进行细化或增删)
运动层：导航+寻路，决定角色的移动路径，具体的移动行为需要动画层的配合(有许多行为可以直接由动画层处理)。运动层包含的算法能够把上层做出的决策转化为运动。
决策层：决定角色在下一时间步该做什么。
战略层：一组角色的总体行为，团队协作时用。小组中的每个角色可以有它们自己的决策层和运动算法，但总体上，它们的决策层会受到团队战略的影响。
FPS/TPS游戏中的AI解析
FPS(第一人称视角射击游戏)：以玩家的主观视角来进行射击的游戏。
TPS(第三人称视角射击游戏)：玩家控制的游戏人物在屏幕上是可见的，更加强调动作感。
运动层：确定角色如何在游戏世界中移动。(寻最优路)
决策层：确定角色当前目标、命令、状态和当前目的地，并与其他层通信，使角色协调地运动到一个指定的目标地点。(决定AI的执行行为)
战斗控制器：
- 感知部分：
- 视觉子系统：考虑距离、视场角度、当前的可视级别(例如光线、雾和障碍等)。感知受伤害、碰撞等。
- 听觉子系统
- 策略子系统
- 动画部分：负责控制角色的骨骼关节。
选择动画，选择动画参数，播放角色运动序列。
实现AI角色的自主移动——操控行为
操控行为：操作控制角色，让它们能以模拟真实的方式在游戏世界中移动。
它的工作方式是通过产生一定大小和方向的操控力，使角色以某种方式运动。
基本行为中的每一个行为，都产生相应的操控力，将这些操控力以一定的方式组合起来(将基本行为进行不同组合)，就能够得到更复杂的“行为”，从而实现更为高级的目标。
无论群体中有多少个体，对于每个个体，计算复杂性有限，通过这种简单计算，可以产生逼真效果。
(两个相似的鸟群，即使是飞过相同的路线，行为也是不同的)
缺点：可能会出现无法预测的行为，在使用时许多参数需要通过实验调整。
Unity3D操控行为编程的主要基类
将AI角色抽象成一个质点——Vehicle类
控制AI角色移动——AILocomotion类
是Vehicle的派生类，能真正控制AI角色的移动。(包括计算每次移动的距离，播放动画等)
各种操控行为的基类——Steering类
是所有操控行为的基类，包含操控行为共有的变量和方法。
(操控AI角色的寻找、逃跑、追逐、躲避、徘徊、分离、队列、聚集等都可由此派生)
个体AI角色的操控行为
靠近and离开
靠近：指定一个目标位置，根据当前的运动速度向量，返回一个操控AI角色到达该目标位置的“操控力”，使AI角色自动向该位置移动。
离开：与前者正好相反，产生一个操控AI角色离开目标的力。
小三角：AI角色
预期速度：从AI角色的当前位置到目标位置的向量
操控向量：预期速度与AI角色当前速度的差（大小随当前位置变化而变化）
抵达
AI角色减速并停到目标位置，避免冲过目标。
当角色在停止半径之外，以最大速度移动。
当角色进入停止半径之内，逐渐减小预期速度，直到为0。
追逐and逃避
追逐：与靠近行为很相似，只是目标由静止不动变为可移动角色。
预测猎物的未来位置，然后向着未来位置的方向追去，才能在最短时间内追上猎物。
实现：
- 使用一个简单的预测期，在每一帧重新计算它的值。
（假设采用一个线性预测期，又假设在预测间隔T时间内角色不会转向，角色经过时间T之后的未来位置可以用当前速度乘T来确定）
一些情况下，追逐可能会提前结束。
例如，如果逃避者在前面，几乎面对追逐者，那么追逐者应该直接向逃避者当前位置移动。
二者之间的关系可以通过计算逃避者朝向向量与AI角色朝向向量的点积得到。
逃避：使猎物躲避捕猎者。
(比如鹿被狼追逐，鹿要不断变换逃跑方向，试图逃离狼预测的追逐方向)
随机徘徊
在游戏场景中随机放置目标，让角色靠近目标。如果每隔一定时间就改变目标的位置，这样角色就永远靠近目标而又不能到达目标(即使到达，目标也会再次移动)。
But角色有时会突然掉头，因为目标移动到了它的后面。
路径跟随
产生一个操控力，使AI角色沿着预先设置的轨迹，构成路径的一系列路点移动。
最简单的跟随路径方式：
将当前路点设置为路点列表中的第1个路点，用靠近行为产生操控力来靠近这个路点，直到非常接近这个点；
然后寻找下一个路点，设置为当前路点，再次接近它。
重复这样的过程直到到达路点列表中的最后一个路点，再根据需要决定是回到第一个路点还是停止在这最后一个路点上。
- 封闭路径：循环，永不结束。需要回到起点重新开始。
- 开放路径：AI角色需要减速(利用抵达行为)停到最后一个路点上。
在实现路径跟随行为时，需要设置一个“路点半径”参数(会引起路径形状的变化)。
即当AI角色距离当前路点多远时，可以认为它已经到达当前路点，从而继续向下一个路点前进。
避开障碍
操控AI角色避开路上的障碍物。
当AI角色的行进路线上发现比较近的障碍时，产生一个“排斥力”，使AI角色远离这个障碍物。
当前方发现多个障碍物时，只产生躲避最近的障碍物的操控力。
分析步骤：