EnvironmentQuery
自动关联目录:EnvironmentQuery
EQS 回答的是"空间上哪里最合适":找一个埋伏点、找一个远离玩家的撤退点、找一条视野最好的巡逻路线。
用代码写这类需求会变成一堆嵌套循环与打分逻辑,EQS 把它变成声明式的"生成候选点 → 逐项打分 → 取最优"。
三段结构
| 阶段 | 说明 |
|---|---|
| Generator | 生成候选点(网格、圆环、路径上的点、当前位置周围…) |
| Test | 对每个候选点打分或过滤 |
| Query 结果 | 取最高分 / 随机前 N 个 |
Generator(候选点)
├── Test: 距离目标 > 500 ? 淘汰
├── Test: 是否可见玩家 ? 加分
├── Test: 是否在 NavMesh 上 ? 淘汰
└── 输出:最高分的点常用 Generator
| Generator | 用途 |
|---|---|
Points: Grid | 在矩形网格上布点 |
Points: Circle / Donut | 环形布点(围绕自己或目标) |
Points: Pathing Grid | 沿可达路径布点 |
Actors Of Class | 直接以某类 Actor 为候选 |
Composite | 组合多个 Generator |
常用 Test
| Test | 打分依据 |
|---|---|
Distance | 与某点/Actor 的距离 |
Dot | 朝向关系(正面/背面) |
Pathfinding | 路径长度 / 是否可达 |
Trace | 射线(可见性、遮挡) |
Overlap | 重叠检测 |
Gameplay Tags | 目标身上的标签 |
Project | 投影到 NavMesh |
| Test 用途 | 说明 |
|---|---|
Score | 加权打分(越大越好) |
Filter | 不满足即淘汰 |
Filter and Score | 先淘汰再打分 |
先用 Filter 再用 Score:候选点越少,后续测试越便宜。把最便宜、最能砍的测试放前面。
运行方式
// 通过行为树的 EQS 任务(最常用)
// 或 C++ 直接发起
FQueryFinishedSignature OnFinished;
EnvQueryInstance->RunQuery(...);| 用法 | 说明 |
|---|---|
行为树 Run EQS Query 任务 | 结果写进黑板,最省事 |
UEnvQueryManager::RunQuery | C++ 里手动发起,异步回调 |
Run EQS 调试 Pawn | 编辑器里实时看打分 |
性能
EQS 是 AI 系统里最容易拖垮性能的部分,因为它天然是多次射线/寻路查询。
| 手段 | 说明 |
|---|---|
| 降频 | 不要每帧跑;0.5~2 秒一次或事件驱动 |
| 限制候选点数量 | Generator 的密度与范围 |
| 先过滤后打分 | 便宜的测试放前面 |
| 限制并发查询 | Max Simultaneous Queries |
| 分帧 | 开启分帧执行避免单帧尖峰 |
| 按 Significance 分级 | 远处 AI 不跑或跑简化版 |
代价与权衡
| 设计 | 收益 | 代价 | 什么时候不该用 |
|---|---|---|---|
| 声明式查询 | 可读性远好于手写打分逻辑 | 每次查询是多射线/多寻路 | 高频需求必须节流 |
| Filter 在前 | 候选点迅速减少 | 顺序错了就白付成本 | Trace/Pathfinding 绝不该放最前 |
| Generator 密度高 | 选点精细 | 候选点数 × 测试数 = 成本 | 远处 AI 应用低密度版本 |
| 异步查询 | 不阻塞 | 结果延迟到达 | 需要即时反应的场景要缓存 |
| EQS vs 手写 | 可配置、可复用 | 极特殊的选择逻辑反而更难表达 | 简单"最近目标"不必用 EQS |
常见坑
| 坑 | 说明 |
|---|---|
| 每帧跑 EQS | 帧率杀手 |
| 候选点太密 + Trace 测试 | 射线数量爆炸 |
| 忘记投影到 NavMesh | 选到不可达的点,AI 卡住 |
| 打分权重只调 Test 不改 Generator | 应该先保证候选点覆盖了合理位置 |
| 查询结果没写回黑板 | 行为树后续节点拿不到 |
| 把 Trace 测试放在 Filter 之前 | 成本最高的一项先跑了 |
| 并发查询过多 | 单帧尖峰 |
| 只在编辑器测试 | 打包后性能不同 |
排查顺序
1. 选点不对?→ 用 Run EQS 调试 Pawn 实时看打分
2. 候选点没覆盖合理位置?→ 先改 Generator(范围/密度/类型)
3. 结果可达吗?→ 是否 Project 到 NavMesh
4. 慢?→ 降频 + 减少候选点 + Filter 前置 + 限制并发
5. 拿不到结果?→ 是否写回黑板
6. 调试 → Gameplay Debugger 的 EQS 页签(见 [AI 调试与性能](/4d3761e5.html)) 许可协议:CC BY
作者:Davids
本文链接:https://hustjjd.github.io/152a818d.html
更新于:2026年11月16日