游戏AI - 行为树Part1：简介

背景

在游戏领域，大多数AI是按照既定规则运行的，并未采用过于复杂的技术，主要有以下两方面原因： 一方面，从风险成本考虑，引入新技术意味着程序员要开发相应的算法和框架，游戏设计师需重新学习设计方法并摸索算法的适用范围。对于小团队而言，这样的开销难以承受；而大团队则担心新技术运用不当会损害自身声誉。 另一方面，“高级”的AI算法不够直观，设计难度较大。以利用神经网络训练士兵AI为例，有一种做法是设计师通过几个按键操作士兵进行移动和攻击，程序自动记录敌我双方的数据以及设计师的操作，最后利用这些信息作为输入构建行为树。但这种方法存在三个问题：一是效率极低，因为若数据量不足，行为树可能无法覆盖所有情况，然而“足够”的数据量并无明确标准；二是错误的操作也会被记录下来，虽然可以开发功能删除设计师的某个动作，但这增加了额外的工作量；三是行为树的结果如同黑箱，难以解释。

由于上述原因，一般公司更倾向于使用传统的有限状态机。有限状态机虽名称拗口，但其概念较为简单，它包含有限个状态以及状态间的转换条件，本质上类似于多个if...else...语句。下面通过一个英雄的故事来进一步理解：

从前有一个胆小的英雄，他的行为规则如下：

• 看到哥布林，就会跑过去攻击；
• 看到半兽人，就会逃跑；
• 既看不到哥布林也看不到半兽人，就会休息；
• 同时看到哥布林和半兽人，也会逃跑。

从这些行为中可以抽象出一个有限状态机。有限状态机符合我们的认知习惯，但它存在一个致命缺点：随着状态和转换条件的增加，其复杂度会急剧上升，修改难度极大。例如，每增加一个状态，就需要增加若干条转换线，状态越多，需要增加的转换线也就越多。

正因如此，越来越多的开发者开始采用行为树。

行为树

定义

行为树的概念比状态机更为复杂。行为树是一种包含逻辑节点和行为节点的树结构。当需要确定一个行为时，会从树的根节点开始，遍历各个节点，找出第一个与当前数据相匹配的行为。下面结合之前的英雄故事，以行为树的形式进行更生动的解释：

这个行为树与之前的有限状态机等价。其中，Root是根节点，每次寻找行为时都必须从这里开始。Priority Selector是一个逻辑节点，它会从左到右遍历其子节点，若子节点的准入条件与当前信息相符，则执行该子节点。例如，若英雄只看到哥布林，“Orc in sight”这个准入条件不满足，“Escape”行为不会执行；“Globlin in sight”条件满足，因此执行“Fight”行为。由于“Fight”在“Idle”的左边，其优先级更高，所以“Idle”不会执行。在这个例子中，“Idle”可视为默认行为。

优点

通过简单对比行为树和有限状态机，可以发现行为树具有以下优点：

• 易于拓展：行为树引入了逻辑节点，减少了转换条件（即连线更少、更清晰），使得拓展AI变得更加容易。
• 行为重用：行为树支持行为的重用。例如，“Escape”和“Fight”都包含跑的行为，“Fight”还包含砍怪的行为。Sequence也是一个逻辑节点，它会从左到右按顺序执行子节点，并且只有在前一个子节点执行完成后才会执行下一个子节点。在这个例子中，“Do Run”需要有一个判断是否到达目的地的方法，当该方法返回结束信号时，才会执行“Do Slash”。“Escape”和“Fight”中的“Do Run”行为节点是相同的，因此“Do Run”是一个可重用的节点。在行为树中，我们可以编写好“Do Run”“Do Slash”等基础行为节点，并设定一些准入条件，从而组合出千变万化的AI。
• 并行执行：Parallel是一个逻辑节点，它允许所有子节点同时运行。其结束条件可以根据需求设定，既可以是所有子节点都完成时结束，也可以是任一子节点完成时结束。

总结

• 节点类型：行为树包含三种节点，分别是根节点Root、可拓展的逻辑节点（如Priority Selector、Sequence、Parallel）以及行为节点。
• 优势特点：在复杂情况下，行为树比有限状态机更加清晰、易于拓展，有利于逻辑的重用。设计良好的行为树能够实现多样化的AI行为。

后续，我将展示在游戏开发中如何将行为树作为框架进行应用。

作者：伍一峰 来源：知乎