最近一直在忙新项目的准备，甚少涉及AI的东西，所以博客也疏于更新。春节前，收到一个网友的邮件，说看了行为树的一些东西，但还是不知道如何去入手实现，我就乘着春节假期，动手写了一个简单的行为树的库，和大家一起边分析代码，边说说行为树的具体实现方法。这个库很简单，一共也就800行的代码左右，不过麻雀虽小，五脏俱全，行为树中的主要部分基本都有涵盖，包括前提（Precondition），选择节点（Selector），并行节点（Parallel），序列节点（Sequence）等等。在分析代码前，如果有朋友对行为树的相关概念还不是很了解，建议先阅读本站上对于行为树介绍的相关文章。
这次的代码以及示例程[......]
自开博以来，经常会有网友发信给我，询问一些关于AI方面的问题，一般我都会尽力一一回答，也希望我的这些经验，对网友有些帮助，我想，有些问题可能是大家都会有的，所以，这一次，我会把一些网友的提问，和我的回答列在这个地方，供更多的同学参考，也欢迎一起讨论，才疏学浅，不吝赐教。
Q：你好，我在你的博客上看了你的一些关于行为树的文章，写得很好，让我受益匪浅。我想实践一下怎么用，在网上找了一个相关的库libbehavior(https://code.google.com/p/libbehavior/),想用这个库做个小例子，它里面有一些演示程序，但牵涉到很多库，不好学习，我就想将一个简单的状态机示例[......]
（ecto真不好用，居然写得东西都没了，害我只能把这篇文章再写了一遍，郁闷啊，跪求一个mac下的支持wordpress的离线博客编辑软件）
提到参数，在我们写程序的时候，作为一个常用的提醒是，一般都会避免去使用“魔数”（Magic Number），因为它含义不清，比如if(i>5){…}，如果没有任何注释的话，很难有人会理解这个“5”是什么意思。在AI中，这样静态的参数的使用更频繁，有时为了定义一些阈值，有时为了可以给游戏设计人员调整AI行为等等，当这些参数慢慢多起来的时候，就需要更好的来管理，修改和查看，所以，如何设计一个好的参数系统就很有必要了。这个想法也源自我上一个项目的[......]
记得以前我在博客中，提到过一种层次化的AI架构，这种架构的核心就是定义了“请求层”的概念，用来分隔决策和行为，并通过行为请求来清晰的定义了决策和行为之间的输入输出关系，不过，当我们仔细审视这个结构的时候，发现其中貌似缺失了对于某种情况的处理，这就是我今天要谈到，如何处理“被动式的行为请求”
一般来说，我们通常所认为的决策是一种“主动式（Active）的行为请求”，比如，我按了个键，玩家所控制的角色就是做出某些行为，或者AI通过对于当前情况的判断，做出了下一步的行为决策，所以说，主动式的行为请求，就是表达了一种“我想要去做什么”的语义。在游戏中，大部分的行为都是输入主动式的行为，那FPS（[......]
官方网站由此进入
《全民足球》是育碧开发的首款休闲类网络游戏。游戏以街头足球为主题，基于城市街区的真实地图概念，支持8名玩家进行同场竞技。游戏拥有独一无二的角色扮演加足球竞技的游戏模式，玩家可创建各具特点的角色球员，通过比赛和任务，提升其属性技能和天赋，获取奖励和成就。玩家并可基于所在城市街区创建足球俱乐部，和同城玩家一起创造辉煌。
拥有高品质全物理运算的核心游戏性，支持2对2, 3对3和4对4玩家间比赛，3大游戏模式: 单人训练, 自由对战和组队对战，守门员为AI。
玩家可以按自己喜好创建球员角色，自定义项包括性别、场上位置、惯用脚、[......]
最近在做项目前期的一些调研的工作，研究并参考了几个引擎和框架的设计，包括内部引擎，商业引擎，和开源引擎，通过比较和学习后，觉得对于游戏中的实体实现，用“组合”的设计模式会比用“继承”的更为便利，想到我早些时候的一个项目里用到的一个引擎，也是实现了组合式的实体，而且对于AI程序员来说也是和“游戏实体”打交道最多的，一个好的设计可以大大的提高代码的质量和可维护性。所以，我觉得很有必要在这里记录一下，也和大家一起分享一下我的一些心得。
在学习面向对象编程的时候，一个很重要的概念就是“万物皆对象”，我们可以把现实世界的物体抽象成一个个的Object，并且通过继承的方式实现多样化的对象集。这个是面[......]
第一部分 上次我们说到，游戏中的运动系统一般有两种方式，“动画配合运动”以及“运动配合动画”。对于第一种方式，由于是采用运动函数或者经验数据表，所以可以很简单的将“未来时间”带入其中，来预测未来某一时刻的运动结果。但对于第二种情况，因为所有的运动结果都是从动画中取得的，如果不知道动画信息，就无法知道相应的运动结果，所以，简单的将时间带入是不能作出预测的，对于这样的情况，如果我们要做预测的话，就不得不将动画的因素考虑在里面。 举个简单的例子，一个人做一个跑动中转身停下的行为，假设他当前时刻T1，处于A1位置，速度是V1，朝向是F1（假设和速度方向一致），他的目标状态是速度是0（没有速度），[......]
前端时间举家出游了一次，加上国庆期间一直跑东跑西，博客的更新就一直没跟上，距上一篇文章也是好久了呢，有时感觉一个人维护也有点小累，所以如果大家有好的想法，好的分享，也可以投稿给我，我想能有这样一个分享的平台，让志同道合的朋友一起讨论学习，也算是为中国游戏技术的发展贡献点绵薄之力，虽然我是付不起稿费的，但看着文章的浏览数和回复也是挺有成就感的事情，对吧:)。
好，言归正传，这次想大家来讨论讨论如何来做一个“可预测的运动系统”。首先来说说什么是游戏里的运动系统。
对于游戏里某一个智能体（就是带AI的物体），当AI决策结束，并且告诉行为层要干什么，行为层就会让它“动”起来，动的过程中可能[......]
第一部分见这里
模式3：根据条件跳转到多个状态，包括自跳转
这是在状态机里最常见的模式，由于是基于条件的跳转，所以可以非常方便的用选择节点和前提的组合来描述，特别值得注意的是，对于自跳转而言，其实就是维持了当前的状态，所以，在构建行为树的时候，我们不需要特别考虑自跳转的转换。如下图所描述了，我们先用序列节点来保证跳转的上下文（可以参考模式2中的相关内容），这里用到的另一个技巧是，我们会在状态a结束的时候，在黑板中记录其结束的原因，以供后续的选择节点来选择。另外，我们在第二层选择节点第一次用到了非优先级的选择节点，和带优先级的选择节点不同，它每次都会从上一次所能运行的节点来运行，而不是每[......]
选这次主题，要感谢一位网友的来信，他询问了一些如何将有限状态机转成行为树的问题，当时，我回信给了一些建议，但后来我仔细想了一下，觉得可能说得还不够全面，所以我就想通过这篇文章，来整理出一些比较典型的转化“模板”，给有这方面疑惑的朋友一些帮助，如果有朋友有一些自己的见解的，可以在后面留言，我们一起讨论。
有限状态机维护了一张图，图的节点是一个个的状态，节点和节点的连线是状态间根据一定的规则做的状态转换，每一个状态内的逻辑都可以简要描述为：
如果满足条件1，则跳转到状态1
如果满足条件2，则跳转到状态2
…
否则，不做跳转，维持当前状态
稍作整理的话，我们可以对状态机的几种跳转[......]
LOD（Level Of Detail）是3D渲染中用到的概念，按照wikipedia上的翻译，可以译为“细节层次”，它是一种根据与观察点的距离，来减低物体或者模型的复杂度来提升渲染效率的优化技术，因为显而易见的是，当一个物体离我们很远的时候，我们不需要用很复杂的多边形来绘制，只要用一个粗略模型或者低精度的贴图即可，所以在3D渲染中，这是一个很常见的优化技术。 对于AI来说，当一个AI对象离我们很远的时候，其实，它做出什么样的决策，做出什么样的行为，我们并不能“感觉的”到，虽然它的行为可能会对游戏世界有影响，但玩家一般只会专注于离自己比较近的AI行为，所以我们在AI的优化中，也可以采用这种“[......]
(5.00 / 5) (5.00 / 5) (5.00 / 5) (5.00 / 5) (5.00 / 5)
