AI

自动关联目录:AI

官方依据:官方 Gameplay Systems 分类正文点名的 AI 系统为:Behavior Trees、Mass Entity System、State Trees、Navigation System、Smart Objects、Environment Query System、AI Perception Component、Debugging(已核实)。本分支按此清单组织。

1. 定位

AI 分支回答的是"NPC 怎么感知、怎么决策、怎么移动"。

一句话定位:UE 的 AI 是一组可独立选用的模块,不是一套框架——感知、决策(行为树/状态树)、查询(EQS/EQS)、移动(导航)各自独立,你可以只用其中一部分。理解这一点,就不会硬套。

2. 本目录

笔记内容状态
导航系统NavMesh 生成模式、Tile、避让(RVO / Detour Crowd)已补充
行为树节点类型、执行顺序、黑板、装饰器与服务、中止已补充
EQSGenerator / Test、先过滤后打分、性能优化已补充
感知系统AI Perception、刺激、团队、迟滞已补充
StateTree 与 Mass状态驱动的另一条路 + 海量简单实体方案已补充
Smart Objects可交互对象的自描述与占用已补充
AI 调试与性能Gameplay Debugger、Visual Logger、成本项与优化已补充
NavMesh与 导航系统 内容重叠,以导航系统篇为准已补充

3. 系统之间的关系

感知(AI Perception)
   │  写入
   ▼
黑板(Blackboard / StateTree 参数)
   │  读取
   ▼
决策(Behavior Tree / State Tree)
   │  查询环境
   ▼
EQS / Smart Objects
   │  请求移动
   ▼
导航(Navigation System + 避让)

关键分工:

  • 感知负责"我知道什么"(数据输入)
  • 黑板是唯一的数据交换点
  • 行为树/状态树负责"我接下来做什么"(逻辑)
  • EQS负责"哪里最合适"(空间查询)
  • 导航负责"怎么走过去"(执行)

4. 阅读顺序与优先级

顺序笔记什么时候读
1导航系统最先读——AI 至少得会走
2感知系统AI 得能"看到"玩家
3行为树常规决策逻辑
4EQS需要"选一个最好的位置"时
5StateTree比行为树更适合状态驱动的场合
6Mass Entity需要成百上千个简单实体时
7AI 调试 / AI 性能出问题与优化时

只有半小时:导航 + 感知。这两块决定了 AI 是否"看起来活着"。

5. 排查入口

现象先查
AI 不走 / 卡住导航系统:NavMesh 是否覆盖、路径是否存在
AI 看不到玩家感知系统:刺激配置、团队、视线检测
决策不对行为树:黑板键值、装饰器条件
选点不对EQS:测试与评分
大量 AI 卡顿AI 性能:更新频率、LOD、是否该上 Mass
不知道 AI 在想什么AI 调试:Gameplay Debugger / Visual Logger

6. 一条主线

AI 的所有系统都在解决同一个矛盾:每个 NPC 都要"看起来在思考",但 CPU 预算有限。因此从行为树到 Mass Entity,本质上是同一条光谱上的不同取点——前者每个个体复杂,后者每个个体简单但数量极大。

参考