聊一聊在游戏中AI设计逻辑经验

前段时间我和技术伙伴在做另一个游戏设计，碰上了游戏 AI 相关的难题，怎么高效实现 AI 行为，这是做独立游戏肯定会遇到的问题。为了把这方面的知识沉淀下来，我就在网上学了些逻辑知识。毕竟作为游戏策划，对如何实现游戏 AI，心里得有个清晰的思路。下面就把我整理的内容分享给大家。

一提到 AI，大家第一反应可能是机器人。这里我们主要聊聊 AI 在游戏里的应用。如今，游戏里到处都有 AI 的影子。我们平时玩游戏时产生的各种交互，很多都是 AI 完成的。就拿 RPG 游戏里的 NPC 来说，它其实就是 AI 的一种体现。这些 NPC 有基本的、常规的能力，还能在特定情景下进行判断和处理数据。这里说的判断，也可以理解为分析。大量的分析过程，其实就是逻辑运算，而逻辑，就是 AI 的核心。

游戏里最典型的例子就是那些有攻击能力的怪物。当怪物看到玩家，或者被玩家攻击时，它们可能会在一定范围或时间内跟着玩家，还想着反击。但要是玩家跑出了怪物的视野范围，或者超过了怪物尾随的时间，怪物就会自己回到原来的地方。下次玩家再进入这个怪物的视野，怪物还是会重复之前的举动。不过，这可不代表怪物有记忆能力，它只是按照简单程序，对特定场景进行判断，然后做出相应处理。这就是基于数字储存器和状态机的人工智能。要是我们再优化一下，让怪物有记忆能力，比如再次看到玩家时，怪物会进入愤怒状态，攻击能力也变强，这样是不是就更有意思了？因为这有点接近人类的情绪特征了。

行为树

行为树是一种很直观的图形建模语言，常被用在系统和软件工程里。它用一些很明确的符号，把几百甚至几千条自然语言描述的需求清楚地表示出来，这些需求一般是用来表达大规模软件集成系统中，各个相关方的要求的。我们在设计 AI 的时候，大多会采用行为树这种结构。可能是因为它分支多，看起来就像棵树，所以才叫行为树。

从上面说的 AI 载体的特点来看，如果一个 AI 载体要承载的知识量特别大，那维护起来就麻烦了。但要是想做出比较智能的 AI 载体，又必须得有庞大的知识库和丰富的行为特征。行为树正好能以图形的形式，把 AI 系统的结构展示出来，让我们能更清楚地看到 AI 是怎么运作的。

上面讲的是普通游戏怪物基本 AI 的行为树。什么是树呢？就是有根节点、分支节点和叶节点。大家可能已经发现，行为树里的节点各有不同的特性，而且这些节点按照一定规则组合成了一棵树。

行为树节点

选择节点（Selector）：它会按顺序去执行子节点。只要它的子节点里有一个返回 “true”（可以理解为 “成功”“满足条件”），那整个分支就返回 “true”；要是所有子节点都返回 “false”（“失败”“不满足条件”），那整个分支才返回 “false”。这就跟程序里的逻辑 “或（OR）” 是一样的。比如说，你要出门，条件是要么有伞，要么天晴。只要满足有伞或者天晴其中一个条件，你就能出门，这就是选择节点的逻辑。
顺序节点（Sequence）：同样是按顺序执行子节点。但和选择节点相反，只要它的子节点里有一个返回 “false” ，那整个分支就返回 “false”；只有所有子节点都返回 “true”，整个分支才返回 “true”。这类似于程序里的逻辑 “与（AND）”。打个比方，你要完成一个任务，必须同时满足集齐材料和学会技能这两个条件，少了任何一个都不行，这就是顺序节点的运作方式。
条件节点（Condition）：它属于叶子节点，也就是不能再有子节点了。条件节点主要是用来描述一个条件是否成立的。比如 “怪物是否发现玩家”，这就是一个条件节点，它只有 “是” 或者 “否” 两种结果。
行为节点（Action）：也是叶子节点，没有子节点。它主要用来描述最终要执行的动作，一般情况下返回 “true”，也就是默认这个动作能正常执行。比如 “怪物攻击玩家”，这就是一个行为节点，表示怪物要进行攻击这个动作。
其中，选择节点和顺序节点都属于组合节点。组合节点只是一个分类概念，不是指某一个具体的节点。

在上面那张行为树的图里，怪物有 [攻击玩家]、[巡逻]、[自卫] 这三种行为。不过这三种行为不是说怪物最后一定会做这些，而是说怪物可能会从这三种行为里选一个来做。像 [攻击玩家] 这个行为，又有两种方式。一种是 [常规攻击]，它是一个顺序节点，要满足三个条件才能进行；另一种是 [报复性攻击]，和常规攻击不同的是，它多了一个条件节点，也就是 “怪物处于发狂状态”，只有怪物发狂了，才会进行报复性攻击。

只要理解了这些不同节点的意思，你就会惊喜地发现，思路一下子变得特别清晰。整棵树的特点、逻辑走向，还有需要满足的条件，全都一目了然。以前用文字来描述 AI，效果不太好，因为一大串文字很难让团队里的人都理解策划的想法。但通过行为树，就能很清楚地展示条件和动作之间的关系。

既然行为树是让团队成员对 AI 理解保持一致的好办法，那要怎么把这棵树在游戏里实现出来呢？这就用到状态机了。

状态机

很多程序员对状态机的概念都很熟悉。就拿上面的行为树来说，虽然只是描述了怪物的 AI，但里面涉及的状态可不少。按照以前的设计思路，当玩家进入怪物的视野，怪物的状态就会马上改变，然后主动攻击玩家。

状态，就是指对象的一种形态。在不同的形态下，对象可能会有不同的行为和属性。状态机，就是控制对象状态的管理器。对象的状态不会平白无故地改变，必须在满足某种条件时才会发生变化。比如说上面行为树里的 [巡逻] 行为，规定了只有在怪物视野里找不到目标的时候，才会进入巡逻状态。一旦有玩家进入它的视野，它就会马上切换成攻击状态。简单来说，状态是在某个事件触发之后才会变更的，而且不同的状态也会决定对象有不同的属性和行为。

案列解析

接下来说说策划在做AI相关案子的时候一般是怎样的，当然，这仅限于我自己的想法，也许很多人也有不同，我就拿我自己做的的来进行举例（一款横版的休闲竞技游戏）：

游戏里一共有 8 个等级的 AI，从低到高依次是新手、青铜、白银、黄金、白金、钻石、王者、传说。新手 AI 的各项设置是专门为新手局准备的。其他等级 AI 的配置和设定，会根据不同的触发时机和匹配规则来使用。比如说，要是你当前是青铜段位的玩家，在超时匹配的情况下，就会匹配到同为青铜段位的 AI。

1.1V1 触发及匹配 AI逻辑

新手局：玩家刚进入游戏的前 3 场比赛（这个场次可以根据需求调整），就属于新手局。在新手局里，玩家会匹配到最基础的新手 AI。

温暖局：要是玩家连续输了 3 场比赛（不管是 2V2 还是 1V1 的模式，输的场次也能调整），就会进入温暖局。这时候，系统会给玩家匹配比他当前段位低 1 到 2 个段位的 AI。打个比方，要是玩家的段位是黄金，就有可能随机匹配到白银或者青铜的 AI；要是低两个段位后低于青铜，那就默认匹配青铜段位的 AI。

难度局：当玩家连续赢了 5 场比赛（场次可配置），就会进入难度局。在难度局中，系统会给玩家匹配比他当前段位高两个段位的 AI。比如玩家是钻石段位，就可能随机匹配到王者或者传说段位的 AI；要是高两个段位后超过传说，那就默认匹配传说段位的 AI。

超时匹配 AI：玩家在匹配对手时，如果等待了 30 秒左右（这个时间可以设置，实际等待时间在 28 - 32 秒之间随机）还没有成功匹配到真人玩家，就会进入超时匹配。超时后，系统会为玩家匹配和他同等段位的 AI。

2.2V2 触发及匹配 AI逻辑

温暖局：同样是玩家连续输了 3 场比赛之后（不管之前玩的是 2V2 还是 1V1，场次可调整），就会进入 2V2 的温暖局。这时，系统会给玩家匹配 1 个战友 AI 和 2 个敌方 AI 陪玩。战友 AI 的段位和玩家一样，比如玩家是白银段位，那战友 AI 也会从白银段位的配置表里读取数据；敌方 AI 的段位比玩家低两级，比如玩家是钻石段位，敌方 AI 可能是两个黄金段位，也可能是一个黄金一个白金段位，或者两个白金段位。

难度局：当玩家连续赢了 5 场比赛（场次可配置），就会开启 2V2 的难度局。在难度局里，系统依旧会给玩家匹配 1 个战友 AI 和 2 个敌方 AI。战友 AI 和玩家同段位，比如玩家是白银，战友 AI 也是白银段位的配置；敌方 AI 则比玩家高两级，要是玩家是钻石，敌方 AI 可能是两个王者，也可能是一个王者一个传说，或者两个传说。

超时匹配 AI：2V2 的超时匹配分为两个阶段。首先是匹配队友，玩家等待 15 秒左右（可设置，实际在 13 - 17 秒之间随机）还没匹配到真人队友，就会匹配和玩家同段位的 AI 队友，比如玩家是白银，就匹配白银段位的 AI 队友；然后是匹配敌方，同样等待 15 秒左右（可设置，实际在 13 - 17 秒之间随机），还没匹配到真人敌方，就会匹配 AI 敌方。匹配的 AI 敌方，其中一个和玩家同段位，另一个和玩家的战友 AI 同段位。