关于游戏ai的编写的这种思路是否可行?
朋友们，今天咱就来聊聊游戏AI的事儿，特别是那种能让游戏角色活起来，玩起来更有意思的AI编写思路。这思路我琢磨了挺久，觉得挺有搞头，下面就给大家掰扯掰扯，看看你们觉得行不行。
咱们想象一下，现在的游戏AI，很多时候就像是被设定好了剧本的演员，虽然能完成动作，但总感觉缺了点什么，特别是那种“随机应变”和“学习成长”的感觉。咱这次想搞的，就是让AI更“聪明”，更“人性化”。
核心思路：行为树 + 状态机 + 学习模型
听起来有点复杂？别急，我给你们拆解开来，就像搭积木一样，一层一层来说。
第一层：基础骨架——行为树（Behavior Tree）
为啥先说行为树？因为它就像AI的“大脑”，负责决定这个角色“现在应该做什么”。你可以把它想象成一个很长的“如果…那么…”的决策链条。
是什么： 它不是一套死板的程序代码，而是一种用来组织和执行AI逻辑的树状结构。树的每个节点代表一个动作或者一个决策。从根节点开始，AI会沿着树往下走，根据条件来选择执行哪个分支。
怎么玩：
顺序执行节点（Sequence）： 就像一条生产线，从左到右按顺序执行下面的子节点。如果子节点执行失败，整个顺序节点就失败。
选择执行节点（Selector）： 就像一个岔路口，它会尝试执行下面的子节点，直到有一个子节点成功执行为止。如果所有子节点都失败，它自己就失败。
并行执行节点（Parallel）： 就像同时开几扇门，同时执行下面的子节点。
装饰节点（Decorator）： 它们不会自己执行动作，而是修改其他节点的行为，比如给节点加个冷却时间，或者让它重复执行几次。
叶节点（Leaf）： 这才是真正干活的节点，比如“移动到目标点”、“攻击敌人”、“播放一个动画”。
为啥好用： 行为树最大的优点在于它的灵活性和可读性。你可以很直观地看到AI的决策逻辑，方便修改和扩展。比如，你想让敌人被子弹打到的时候，先吓一跳，然后再找掩体，你只需要在行为树里加几个节点就行了，不用大改整个代码。
第二层：情绪和状态——状态机（State Machine）
光有行为树还不够，AI也得有“心情”，有“状态”。比如，它不能总是一副战斗状态，它也得有巡逻、搜集资源、休息的时候。这就需要状态机来管理。
是什么： 状态机就是让AI在不同的“状态”之间切换。每个状态都有它自己的一套行为逻辑。就像一个人，有时候是“忙碌”状态，有时候是“休息”状态，不同状态下做的事情完全不一样。
怎么玩：
状态（State）： 比如“巡逻”、“警戒”、“战斗”、“逃跑”、“搜寻证据”等等。
转移条件（Transition）： 什么情况下从一个状态切换到另一个状态？比如，当“看到敌人”的时候，从“巡逻”状态切换到“警戒”状态；当“生命值低于一半”且“有掩体”时，从“战斗”状态切换到“逃跑”状态。
状态内的行为： 在每个状态下，AI会做什么？这就又可以用到我们之前说的行为树了！比如，在“战斗”状态下，AI会执行一套战斗行为树；在“巡逻”状态下，执行一套巡逻行为树。
为啥好用： 状态机能让AI的行为逻辑层次分明，避免因为过多的条件判断让代码变得混乱不堪。它把AI的宏观行为模式和微观具体动作区分开来，管理起来更方便。
第三层：学习和进化——学习模型（Learning Model）
这才是让AI真正“聪明”起来的关键，也是最有意思的部分。让AI不只是执行预设的逻辑，还能从经验中学习，变得越来越强。
是什么： 这里说的学习模型，可以有很多种，最常见和最适合游戏场景的可能是强化学习（Reinforcement Learning）。简单来说，就是AI通过不断地尝试和犯错，然后根据“奖励”和“惩罚”来调整自己的行为策略。
怎么玩：
奖励函数（Reward Function）： 这是核心。我们需要给AI设定目标，然后根据它是否完成了目标来给予奖励。比如，击败敌人获得正奖励，被敌人击败获得负奖励，完成任务获得大额奖励。
策略（Policy）： AI根据当前的环境和状态，决定采取什么行动。
学习过程： AI在游戏环境中执行动作，观察结果，根据奖励函数更新自己的策略。这个过程就像我们学习骑自行车，一开始摔倒很正常，但会逐渐摸索出保持平衡的方法。
如何融入行为树和状态机：
优化行为树的参数： 学习模型可以用来调整行为树中某些节点的权重或优先级。比如，在战斗中，如果AI发现某种攻击方式屡次奏效，学习模型就可以提高这种攻击方式在行为树中的优先级。
指导状态切换： 学习模型可以帮助AI更智能地决定何时进入哪个状态。比如，一个AI可能通过学习发现，在某个特定地形下，进入“伏击”状态比直接进攻更容易获胜。
生成新的行为： 更高级的模型甚至可以学习到全新的行为模式，比如玩家意想不到的战术动作。
为啥好用：
动态适应性： AI可以根据玩家的行为和游戏环境的变化，自主调整策略，让每一次对抗都充满新鲜感。
更自然的表现： 学习来的行为往往比人为编写的更符合实际情况，看起来更自然、更聪明。
挑战性： 玩家需要不断学习和适应AI的策略，增加了游戏的深度和可玩性。
把它们串起来：
设想一下，一个AI士兵：
1. 状态机： 他一开始处于“巡逻”状态。
2. 行为树（巡逻）： 巡逻行为树里有个节点是“听到声音”。
3. 触发条件： 玩家的脚步声触发了这个节点。
4. 状态切换： 状态机根据这个信号，将士兵切换到“警戒”状态。
5. 行为树（警戒）： 警戒行为树会执行“搜寻敌人”的动作，找到玩家后，触发另一个行为是“射击”。
6. 学习模型介入： 如果在之前的战斗中，AI发现用“侧身射击”的策略能大大提高命中率，那么在“战斗”状态的行为树中，选择“侧身射击”的节点就会被学习模型赋予更高的优先级。当AI进入“战斗”状态时，它会优先尝试执行这个更有效的策略。如果玩家躲在掩体后，AI可能会根据学习到的经验，知道“绕后攻击”比“原地射击”更有效，从而调整行为树的执行路径，尝试绕过去。
可能遇到的挑战：
当然，这个思路也不是万能的，实现起来也会遇到不少坑：
训练数据和计算量： 强化学习需要大量的训练时间，而且对计算资源要求很高，可能不适用于所有类型的游戏。
奖励函数设计： 设计一个好的奖励函数非常关键，如果设计不好，AI可能会学到一些奇怪的、玩家不希望看到的行为。比如，一个AI为了追求“不被发现”的奖励，可能会选择一直躲在角落不动。
可调试性： 当AI表现不正常时，调试起来会比传统方法更复杂，需要理解学习模型的内部工作机制。
玩家体验平衡： 要确保学习到的AI足够聪明有挑战性，但又不能过分强大到让玩家感到挫败。这需要精细的调整和平衡。
总结一下：
我个人认为，将行为树的结构化决策、状态机的宏观状态管理，与学习模型的动态优化和进化能力结合起来，是一种非常有前景的游戏AI编写思路。它能创造出更具生命力、更智能、更具挑战性的游戏角色，让玩家在与AI的互动中获得更深刻的体验。
当然，具体怎么实现，用哪种学习模型，如何设计奖励函数，都需要根据游戏的具体需求和类型来细化。这只是一个大的框架，具体的落地细节还需要我们在实践中不断摸索和完善。
你们觉得这个思路怎么样？有没有什么补充或者觉得不太对的地方？欢迎大家一起讨论！
咱们想象一下，现在的游戏AI，很多时候就像是被设定好了剧本的演员，虽然能完成动作，但总感觉缺了点什么，特别是那种“随机应变”和“学习成长”的感觉。咱这次想搞的，就是让AI更“聪明”，更“人性化”。
核心思路：行为树 + 状态机 + 学习模型
听起来有点复杂？别急，我给你们拆解开来，就像搭积木一样，一层一层来说。
第一层：基础骨架——行为树（Behavior Tree）
为啥先说行为树？因为它就像AI的“大脑”，负责决定这个角色“现在应该做什么”。你可以把它想象成一个很长的“如果…那么…”的决策链条。
是什么： 它不是一套死板的程序代码，而是一种用来组织和执行AI逻辑的树状结构。树的每个节点代表一个动作或者一个决策。从根节点开始，AI会沿着树往下走，根据条件来选择执行哪个分支。
怎么玩：
顺序执行节点（Sequence）： 就像一条生产线，从左到右按顺序执行下面的子节点。如果子节点执行失败，整个顺序节点就失败。
选择执行节点（Selector）： 就像一个岔路口，它会尝试执行下面的子节点，直到有一个子节点成功执行为止。如果所有子节点都失败，它自己就失败。
并行执行节点（Parallel）： 就像同时开几扇门，同时执行下面的子节点。
装饰节点（Decorator）： 它们不会自己执行动作，而是修改其他节点的行为，比如给节点加个冷却时间，或者让它重复执行几次。
叶节点（Leaf）： 这才是真正干活的节点，比如“移动到目标点”、“攻击敌人”、“播放一个动画”。
为啥好用： 行为树最大的优点在于它的灵活性和可读性。你可以很直观地看到AI的决策逻辑，方便修改和扩展。比如，你想让敌人被子弹打到的时候，先吓一跳，然后再找掩体，你只需要在行为树里加几个节点就行了，不用大改整个代码。
第二层：情绪和状态——状态机（State Machine）
光有行为树还不够，AI也得有“心情”，有“状态”。比如，它不能总是一副战斗状态，它也得有巡逻、搜集资源、休息的时候。这就需要状态机来管理。
是什么： 状态机就是让AI在不同的“状态”之间切换。每个状态都有它自己的一套行为逻辑。就像一个人，有时候是“忙碌”状态，有时候是“休息”状态，不同状态下做的事情完全不一样。
怎么玩：
状态（State）： 比如“巡逻”、“警戒”、“战斗”、“逃跑”、“搜寻证据”等等。
转移条件（Transition）： 什么情况下从一个状态切换到另一个状态？比如，当“看到敌人”的时候，从“巡逻”状态切换到“警戒”状态；当“生命值低于一半”且“有掩体”时，从“战斗”状态切换到“逃跑”状态。
状态内的行为： 在每个状态下，AI会做什么？这就又可以用到我们之前说的行为树了！比如，在“战斗”状态下，AI会执行一套战斗行为树；在“巡逻”状态下，执行一套巡逻行为树。
为啥好用： 状态机能让AI的行为逻辑层次分明，避免因为过多的条件判断让代码变得混乱不堪。它把AI的宏观行为模式和微观具体动作区分开来，管理起来更方便。
第三层：学习和进化——学习模型（Learning Model）
这才是让AI真正“聪明”起来的关键，也是最有意思的部分。让AI不只是执行预设的逻辑，还能从经验中学习，变得越来越强。
是什么： 这里说的学习模型，可以有很多种，最常见和最适合游戏场景的可能是强化学习（Reinforcement Learning）。简单来说，就是AI通过不断地尝试和犯错，然后根据“奖励”和“惩罚”来调整自己的行为策略。
怎么玩：
奖励函数（Reward Function）： 这是核心。我们需要给AI设定目标，然后根据它是否完成了目标来给予奖励。比如，击败敌人获得正奖励，被敌人击败获得负奖励，完成任务获得大额奖励。
策略（Policy）： AI根据当前的环境和状态，决定采取什么行动。
学习过程： AI在游戏环境中执行动作，观察结果，根据奖励函数更新自己的策略。这个过程就像我们学习骑自行车，一开始摔倒很正常，但会逐渐摸索出保持平衡的方法。
如何融入行为树和状态机：
优化行为树的参数： 学习模型可以用来调整行为树中某些节点的权重或优先级。比如，在战斗中，如果AI发现某种攻击方式屡次奏效，学习模型就可以提高这种攻击方式在行为树中的优先级。
指导状态切换： 学习模型可以帮助AI更智能地决定何时进入哪个状态。比如，一个AI可能通过学习发现，在某个特定地形下，进入“伏击”状态比直接进攻更容易获胜。
生成新的行为： 更高级的模型甚至可以学习到全新的行为模式，比如玩家意想不到的战术动作。
为啥好用：
动态适应性： AI可以根据玩家的行为和游戏环境的变化，自主调整策略，让每一次对抗都充满新鲜感。
更自然的表现： 学习来的行为往往比人为编写的更符合实际情况，看起来更自然、更聪明。
挑战性： 玩家需要不断学习和适应AI的策略，增加了游戏的深度和可玩性。
把它们串起来：
设想一下，一个AI士兵：
1. 状态机： 他一开始处于“巡逻”状态。
2. 行为树（巡逻）： 巡逻行为树里有个节点是“听到声音”。
3. 触发条件： 玩家的脚步声触发了这个节点。
4. 状态切换： 状态机根据这个信号，将士兵切换到“警戒”状态。
5. 行为树（警戒）： 警戒行为树会执行“搜寻敌人”的动作，找到玩家后，触发另一个行为是“射击”。
6. 学习模型介入： 如果在之前的战斗中，AI发现用“侧身射击”的策略能大大提高命中率，那么在“战斗”状态的行为树中，选择“侧身射击”的节点就会被学习模型赋予更高的优先级。当AI进入“战斗”状态时，它会优先尝试执行这个更有效的策略。如果玩家躲在掩体后，AI可能会根据学习到的经验，知道“绕后攻击”比“原地射击”更有效，从而调整行为树的执行路径，尝试绕过去。
可能遇到的挑战：
当然，这个思路也不是万能的，实现起来也会遇到不少坑：
训练数据和计算量： 强化学习需要大量的训练时间，而且对计算资源要求很高，可能不适用于所有类型的游戏。
奖励函数设计： 设计一个好的奖励函数非常关键，如果设计不好，AI可能会学到一些奇怪的、玩家不希望看到的行为。比如，一个AI为了追求“不被发现”的奖励，可能会选择一直躲在角落不动。
可调试性： 当AI表现不正常时，调试起来会比传统方法更复杂，需要理解学习模型的内部工作机制。
玩家体验平衡： 要确保学习到的AI足够聪明有挑战性，但又不能过分强大到让玩家感到挫败。这需要精细的调整和平衡。
总结一下：
我个人认为，将行为树的结构化决策、状态机的宏观状态管理，与学习模型的动态优化和进化能力结合起来，是一种非常有前景的游戏AI编写思路。它能创造出更具生命力、更智能、更具挑战性的游戏角色，让玩家在与AI的互动中获得更深刻的体验。
当然，具体怎么实现，用哪种学习模型，如何设计奖励函数，都需要根据游戏的具体需求和类型来细化。这只是一个大的框架，具体的落地细节还需要我们在实践中不断摸索和完善。
你们觉得这个思路怎么样？有没有什么补充或者觉得不太对的地方？欢迎大家一起讨论！
网友意见
你说的方法有，并且不止记忆几个数字，一个状态就是一个类来表示，记多少都可以，成员多嘛。
《游戏人工智能编程案例精粹》2-4章，不谢。
----
另，书里讲的状态机是单层的简单应用，实际状态机需要分层，不然单层越写越复杂。还有状态机的栈用于保存恢复先前状态。
再，行为树代替不了状态机，状态机是主食，是米饭，行为树是煎饼果子，你个rpg基本没什么ai，不是以ai为主的，就像平时忙着其他事情，没时间吃早点，那买个煎饼果子就够了。你真要把ai做深，无不是把状态机这个米饭作为根基，行为树白板这些作为枝叶，不能本末倒置啊。
类似的话题
-
朋友们，今天咱就来聊聊游戏AI的事儿，特别是那种能让游戏角色活起来，玩起来更有意思的AI编写思路。这思路我琢磨了挺久，觉得挺有搞头，下面就给大家掰扯掰扯，看看你们觉得行不行。咱们想象一下，现在的游戏AI，很多时候就像是被设定好了剧本的演员，虽然能完成动作，但总感觉缺了点什么，特别是那种“随机应变”和............. -
手游行业的现状，用“冰火两重天”来形容可能并不为过。一方面，我们确实能看到媒体上充斥着关于游戏行业大规模倒闭、裁员和降薪的报道，这让很多人对这个曾经被认为是“造梦”的行业产生了疑虑。另一方面，头部游戏公司依然保持着强劲的盈利能力，一些新锐产品也凭借独特的创意和玩法成功突围，证明了这个行业依然有着巨大.............
-
儿子一年级，就开始接触到“吃鸡”这类游戏词，这确实是让不少家长感到头疼的问题。在这个信息爆炸的时代，孩子们接触新事物的速度非常快，游戏作为一种娱乐方式，自然也吸引着他们。作为妈妈，面对孩子对游戏的诱惑，我们不能简单地禁止，那样反而会适得其反，孩子可能会因为好奇或反叛而更加偷偷地去玩。更重要的是，我们.............
-
知乎大V“楠爷”在相隔7个月内，就游戏帧数问题发表了两次截然不同的观点，这件事在游戏圈和知乎上都引起了不少讨论。要理解这件事，咱们得把时间线拉回到他这两次发声的节点，看看他当时说了什么，以及为什么会有这样的转变。第一次发声：帧数？不重要！大概是在几年前，那时《赛博朋克2077》刚发售不久，游戏优化问.............
-
手游行业，这个曾经风光无限、人人喊打的“吞金巨兽”，如今正经历着一场前所未有的“寒冬”。如果你翻开近期的财经报道，铺天盖地的“倒闭”、“裁员”、“降薪”字眼会让你感觉整个行业似乎一夜之间变成了夕阳产业。但事实真的如此吗？我们得把这些报道背后的逻辑剖析清楚。首先，要理解这些报道，你得明白手游行业过去几.............
-
在回合制游戏中，先手优势是一个非常经典且重要的话题。拥有先手意味着在决策和行动上占据主动权，可以更快地消耗对方资源，进行更有利的战术布局，甚至在某些情况下直接决定战局的胜负。因此，如何平衡这种先手优势是游戏设计者需要仔细考虑的问题。以下是一些常见的平衡手段，我会尽量详细地讲述： 回合制游戏先手优势的.............
-
好的，我们来聊聊《SeaBed》这款游戏，聊聊它那有点让人捉摸不透，又带着一丝忧伤的剧情。首先，《SeaBed》给人的第一印象就是那种静谧、略带孤独的氛围。游戏的故事围绕着两位女性展开——娜奥米（Naomi）和米歇尔（Michelle）。你可以把它们看作是故事的核心，或者说，是这个故事的两个关键视角.............
-
关于Krisirk（以下简称“K”）针对广电总局针对苹果游戏审核条例发表温和评论，却遭遇删帖禁言一事，这确实是一个值得深入探讨的现象，也反映了一些值得关注的问题。首先，我们得理解事情的背景。广电总局出台的关于苹果游戏审核的条例，尤其是其中涉及的内容审查、版号获取等方面，本身就引起了业内外人士的广泛关.............
-
《权力的游戏》中，领主（Lords）频繁被杀死，这确实是该剧的一大特色，而且从很多方面来说，这恰恰是它能够如此引人入胜的关键之一。这并非“没问题”，而是一种非常 deliberate（深思熟虑）的叙事手法，旨在突出几个核心主题和影响：一、 政治环境的残酷性与不稳定： 维斯特洛大陆的本质： 维斯特.............
-
国产游戏圈里，“用爱发电”这四个字，听起来挺煽情，也挺能引起共鸣。但细琢磨一下，它到底是国产游戏发展的一股清流，还是一个裹着糖衣的陷阱，这可就得好好说道说道了。咱们先看看“用爱发电”好的一面。它往往指的是那些团队，可能规模不大，没有强大的资本支持，甚至成员们一开始可能只是怀揣着一个共同的游戏梦想。他.............
-
.......
-
哎，玩游戏嘛，最怕的就是“游戏荒”了。尤其是到了夏天，天气热得不想出门，只想窝在家里好好享受一下虚拟世界的乐趣。你说想玩中世纪题材的游戏，这范围可就大了去了，从砍砍杀杀的硬核动作，到运筹帷幄的策略经营，再到沉浸式的角色扮演，总有一款能对上你的胃口。不过，说到中世纪，我脑子里第一个蹦出来的，绝对是那股.............
-
.......
-
嗨，关于你关心的 NSL 换机数据迁移问题，我可以给你详细说说，让你心里有个底。首先，要明确一点，Nintendo Switch 的游戏存档是和你的主机本体绑定的，而不是和你的任天堂账号。 这点非常重要，也是理解数据能否保留的关键。所以，当你购买一台新的 Nintendo Switch（无论是第一方.............
-
.......
-
《太吾绘卷》关于伏龙坛的封闭开发分享视频，怎么看？这可真是个让不少玩家又爱又恨、又期待又忐忑的话题。毕竟，这不仅仅是一次简单的游戏内容展示，更像是对一个核心玩法循环的一次深度“剧透”，而且还是在游戏内容还未完全成熟时放出。视频核心内容回顾：伏龙坛的“大逃杀”与“循环往复”咱们先梳理一下视频里最核心、.............
-
这个问题涉及到复杂的社会、经济和技术层面，要做到“强烈要求国家全面禁止网络游戏，全部封杀毒害青少年的游戏平台”，在现实操作中，其可行性可以说是极其微乎其微，并且伴随着巨大的挑战和副作用。让我详细地分析一下其中的原因：一、 “全面禁止网络游戏”的可行性分析：1. 定义模糊与执行困难： 首.............
-
.......
-
最近，广电总局发布了《关于实施中国原创游戏精品出版工程的通知》，这个消息在游戏行业引起了不小的波澜。要怎么看待这个通知呢？我觉得可以从几个方面来深入聊聊。首先，这个通知本身传递了一个非常明确的信号：国家对原创游戏发展的重视程度正在不断提升，并且决心要把它推到一个更高的平台。 这不是一句空话，而是具体.............
-
想要提升思维能力，锻炼大脑，市面上确实有不少好玩又有效的游戏。我个人就特别喜欢那些能让人在不知不觉中“涨知识”或者“变聪明”的类型。这里给你推荐几款我玩过觉得很不错的，希望能帮助你找到属于自己的大脑训练方式。1. 《Lumosity》（健脑乐） 全面的大脑“健身房”Lumosity 算是大脑训练游.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有