Unity人工智能AI编程知识.pdf

Unity⼈⼯智能AI编程知识 群组⾏为： 群组⾏为： 模拟鸟群⾏⾛或⼈群⾏⾛过程的称之为群组⾏为 分散 、队列 、 聚集 分散：在群体内，个体必须与其他个体之间保持⼀定的距离，当⼩于那个距离时，就要分散开来。 实现原理：确定需要分散的范围separationDistance,获取在该范围内的个体，计算出当前个体与（当前个体的周围个体）的相反作⽤⼒的 合⼒，即 合⼒ += (当前个体位置-其他个体位置); 但是，由于我们是想要当前个体位置与其他个体位置的距离越⼩，产⽣的相反作⽤⼒越⼤，所以 相反作⽤⼒= (当前个体位置 -其他个体位 置).normalized / (当前个体位置-其他个体位置）.magnitude ，这样就能够距离越⼩，产⽣的相反作⽤⼒越⼤，反之越⼩。（注意：个⼈ 之间的距离不能⼩于1，不然会发⽣异常，也就是除数会⽆穷⼩！导致分散⼒⽆穷⼤！） 相反作⽤⼒的总体意思就是 当前个体位置-其他个体位置，即得到⼀个 其他个体位置 指向 当前个体位置的 三维向量 这个相加之后的⼒就是分散合⼒,⾄于我上⾯说的当距离越⼩，作⽤⼒越⼤是根据实际需求来决定的。 这样，我们得到了⼀个分散合⼒ 队列：在群体内，个体的朝向必须保持与队列朝向⼀致 实现原理： 队列朝向的获取：队列指的是 当前个体的周围的个体的平均朝向，那么我们⼀样根据上⾯的相同的原理获取到周围个体，然后周围个体的 朝向就是transform.forward 将这些周围个体朝向 全部相加起来，再求平均，即得到了队列朝向。 ⽽我们想要的⽬的是 将当前朝向 逐渐 朝向 队列朝向。那么我们需要加⼀个⼒，这个⼒叫队列趋向⼒ 我们将队列朝向向量-当前个体朝向向量，当前个体朝向向量是transform.forward,这样获取到⼀个队列趋向⼒，为什么会要这样算？因为 队列朝向向量-当前个体朝向向量是根据物理上的四边形原则，即合⼒、分⼒的⼀个原理来得出的。如果我们只是将队列朝向向量当做队列 趋向⼒的话，这样变化幅度很⼩，⽽我们直接计算出⼀个能够让当前个体受⼒变为队列朝向的分⼒，变化幅度就很⼤。若还是不理解的话， 可以看下物理的合⼒、分⼒的解释以及四边形原则，在这⾥ 队列朝向就是合⼒，当前个体原本的受⼒和队列趋向⼒都是分⼒，2个分⼒合起 来就是⼀个合⼒，即 当前个体原本的受⼒(当前朝向向量）+队列趋向⼒ = 队列朝向向量 ，这样我们也能推导出： 队列趋向⼒=队列朝向向 量-当前朝向向量。 这样，我们就得到了⼀个队列趋向⼒ 聚集：与分散相反原理。 我们在分散不发⽣的情况下才产⽣聚集，⼀样地获取周围个体，但是我们不是计算出聚集合⼒什么的，⽽是计算出周围个体的中⼼点，中⼼ 点计算⽅法：周围个体的位置之和/周围个体数量 然后，中⼼点-当前个体位置=当前个体位置 朝向 中⼼点 的向量，然后这个向量就是我们的聚集⼒ 如果对聚集⼒的⼤⼩有点不满意的话，推荐：将聚集⼒的⼤⼩设置为当前速度的⼤⼩ 经过以上说明，我们得到了三个⼒：分散合⼒、队列趋向⼒、聚集⼒，这三个⼒都可以分别设置⼀个权重，来调整它们的影响，加权重的意 思就是给⼒乘以⼀个值 然后，我们将这三个⼒相加得到了⼀个 最终合⼒,我们是⽤这个最终合⼒来影响当前物体的 根据⽜顿第⼆定律:F=ma , 故 a= F/m (F是最终合⼒，a是加速度(m/s^2) m是质量(kg) ) 所以，在Update⾥⾯我们可以通过这个公式计算出 最终合⼒对物体产⽣的加速度a 当前速度+=a*Time.deltaTime 这样处理加速度对当前速度的影响，当前速度是⼀个三维向量 我们通过使⽤Quaternion.Slerp(transform.rotation,⽬标四元数, 变化系数)来逐渐旋转当前个体的朝向，⾯向当前速度的朝向,⽬标四元数 ⽤Quaternion.LookRotation(当前速度)来获取。 移动的话可以⽤Translate 直接朝向当前个体的前⽅forward来移动，速度⼤⼩为当前速度⼤⼩ （2019/05/06更新）在以上基础上，新增2个⼒：移动恒⼒（可选）、⽬标趋向⼒（可选）。 移动恒⼒ = 当前速度.normalized * 初始速度⼤⼩(⽤户⾃定义速度⼤⼩) ⽬标趋向⼒ = (⾃⾝指向⽬标向量.normalized - 当前朝向(transform.forward)) * ⽬标趋向速度(⽤户⾃定义速度⼤⼩) 注意：当前速度是⼀个三维向量Vector3，当前朝向是transform.forward，请勿以为当前速度就是当前朝向，当前速度会影响当前朝向。 FSM有限状态机： 有限状态机： 个⼈理解：FSM就是⼀个控制状态切换的集中处理器，⽤⼀个FSMSystem管理着所有FSMState,每个FSMState（状态）都有它⾃⾝对应 的转换事件（