游戏AI之感知

视觉感知


视觉感知是一种常见的感知。
在许多即时战略游戏或者类DOTA游戏里,一个单位的视觉感知往往是圆形范围的。

扇形视野

当然在其他大部分俯视角游戏里,一个智能体的视觉感知应该是类似现实人眼观看的扇形范围。

对于横板游戏,可以把视野“竖”起来,检测方式无多少差别。
对于空间更加复杂的3D游戏,可能需要视锥体(立体)检测。

一个更快的技巧是照样做成扇形检测,只是再额外增加高度差检测(即看作2.5D处理)。

但是视野实际还需考虑阻挡问题,这里提供1种主流解决视野遮挡的思路:

在所在区域的所有潜在目标进行遍历,每次遍历 先判断是否在扇形范围内,
再做一条智能体到目标的射线,若射线碰到的第一个物体是该目标,则感知到该目标。

进一步的优化则可以预先“规划”好区域,构建潜在可视集(PVS),尽可能过滤不必要的目标,缩小所在区域的潜在目标数量
(例如屋外看不到房内的人,也就可以过滤掉房内的人),那么检测速度就非常快。

示例(C++):

//视野感知
class ViewPerception {
public:
	//进行一次视野感知探测
	void check(Vector2 position) {
		//先清理上次的结果
		perceptionResult.clear();

		//逐个潜在目标检测
		for (Object* target : potentialTargets) {
			//运用简单的数学运算判断点是否在扇形范围:

			//先进行距离判断是否在半径内。
			Vector2 offset = target.getPosition() - position;
			float distanceSq = offset.lengthSquare();
			if (distanceSq > radiusSq)continue;

			//look向量和射线单位向量的数量积绝对值 若大于 数量积限制,
			//则证明该射线离look向量的角度 超出数量积限制的对应角度。
			float dotproduct = fabs(offset.normalize().dot(look));
			if (dotproduct > dotproductlimit)continue;

			//最后使用射线检测第一个碰到的物体是不是目标物体
			//若射线第一个碰到的物体是目标物体,则可视为 看见了该物体
			if (raycast(position, target->position).result.object == target) {
				perceptionResult.emplace_back(target);
			}
		}
	}
private:
	Vector2 look;				//朝前的单位向量
	float radiusSq;				//扇形半径的平方
	float dotproductlimit;		//数量积限制
	std::vector<Target*> perceptionResult;	//感知到的目标(结果)
	//....
};

TIP:判断点在圆形范围应比较距离的平方和半径的平方,每次判断就可以减少一次开方的运算。

椭圆视野

上述扇形视野有几个缺陷:

  • 智能体应该能看到贴近侧方的物体(甚至能感知到贴近背后的位置)
  • 智能体对于正前方向应该能看的更远

基于这些缺陷,我们加了一个圆形和狭长的扇形视野范围(紫色点为智能体):

但是这样计算量就提升了不少,一个代替方法是使用椭圆型视野(紫色点为智能体):

椭圆(任意转向)的长轴长为2a,短轴长为2b,两个焦点离圆心的距离是c和-c(而且\(c^2=a^2-b^2\))。
椭圆上任意一点到两个焦点的距离之和必等于2a,利用这个性质可推理出:
若某个点与椭圆上两个焦点距离之和小于2a,则必在椭圆内。

因此我们只要预设好常量值:

  • a:取决于视野的长度
  • b:取决于视野的宽度
  • c:由\(c^2=a^2-b^2\)计算出
  • d1,d2:在智能体位置正前方d1距离的点为焦点c1,正前方d2距离的点为焦点c2。
bool ViewPerception::checkPointInEllipse(Vector2 targetPosition){
  Vector2 c1 = this->position + this->look * d1;
  Vector2 c2 = this->position + this->look * d2;

  if(distance(c1,targetPosition)+distance(c2,targetPosition) <= 2*a)return true;
  
  return false;
}

椭圆型的视野不仅能解决上述缺陷,在现实中也更贴近人类视觉的模型,计算量也只略高于一个扇形视野计算。

基于分片的高性能视域搜索系统

在很多策略游戏里,视域(Line-of-Sight,简称LOS)是很重要的概念。
在典型RTS游戏里,视域分为可见区域,不可见区域,已探索(但不可见)区域,说白了就是战争迷雾机制。

为了实现视域系统,我们先把游戏世界分为一个个整齐的分片(可以是正方形网格,六边形...)。
当我们检测某个分片是否可见时,直观的做法是直接判断该分片位置是否位于玩家视野几何形状。潜在的问题是,分片越多需要检测的次数呈几何级数增长。

而更高性能的做法是:

1. 首先每个分片记录一个数值(一般是用二维数组记录),用于记录该分片是否可视。

在实现时为满足更复杂的需求可以记录额外的数据:

  • 多单位视野共享,应该用一个计数,当其中一个单位不再看见该分片时,可以减少计数,而不是直接修改为不可视。
  • 多方视野,应该用一个(可能多个)Byte值,其中每个位表示某方视野是否可见。这可以用在观战系统,随时屏蔽某一方或者只关注某一个玩家的视野。
  • 多种视域类型,例如可见区域,不可见区域,已探索区域...则得记录枚举值。

2. 每帧将玩家的旧视野(上一帧的视野)对应的所有分片数值修改为不可视,然后根据新视野(当前帧的视野)对应的所有分片数值修改为可视。

在修改的时候,我们可以用一个LOS模板来帮助我们快速找到视野分片,并修改之。
这个LOS模板实际上就是列表数组,每一行记录该行所有视野分片的位置:

for(int i = 0 ; i < LOStemplate.size() ; ++i){
  for(int j = 0 ; j < LOStemplate[i].size(); ++j){
    tiles[positionX + i - offset][positionY + LOStemplate[i][j]] = true;
  }
}

得益于LOS模板,我们不仅可以引入圆形LOS,还可以引入类似手电筒视野的LOS:

由于游戏里玩家可能转向,对于一些非圆形LOS,我们可以准备多个LOS模板(例如对应90°,60°,30°..方向的LOS模板):

因为LOS模板完全可以通过预计算先算出来,所以使用它的CPU开销只与它的视野分片数相关而不是与地图分片数相关,这个性能开销已经很不错了。

3. 当需要检测分片是否可见时,直接访问记录来获取。

一个技巧是,不要主动搜索,而是利用分片记录来主动通知:
例如当一个单位需要搜索视野内的一个敌人时,不是在该单位的LOS模板范围内主动遍历搜索敌人所在的分片,
而是敌人自己根据当前位置的分片数据(多方视野记录),主动通知可看到该分片的单位。

简单来说,思想是基于事件驱动而非轮询,效率也提升的相当不错。

听觉感知


听觉感知一般比较简单粗暴:一个圆形/球形范围检测,
而且一般还无需考虑阻挡问题(现实中的声音传播可近似看作无阻挡)。

另外的,听觉感知一般需要得到的信息:

  • 声音来源(例如发出声音的生物)
  • 声音大小和距离

通过简单的线性计算,由声音大小和距离可以计算出实际接受声音的大小。
将这个信息作为额外数据交由决策使用。
(例如一个警卫,听到太大的声音就进入敌对状态,小的声音则进入警戒状态)

示例(C++):

//听觉感知
class ListenPerception {
public:
	//进行一次听力感知探测
	void check(Vector2 position) {

		perceptionResult.clear();

		//逐个潜在声源检测
		for (Voice& voice : potentialVoices) {
			//判断目标点是否在圆形范围,即距离是否在半径内。
			Vector3 offset = voice.getPosition() - position;
			float distanceSq = offset.lengthSquare();
			if (distanceSq > radiusSq)continue;

			//实际声音大小会随着距离增大而衰减
			float volume = voice.getVolume() / distanceSq;

			perceptionResult.emplace_back(voice.getTarget(),volume);
		}
	}
private:
	float radiusSq;			//范围半径
	std::vector<std::pair<Target*, float>> perceptionResult;	//感知到的目标+实际声音大小(结果)
};

其它感知


这个其实应该叫杂项感知,因为一般来说,视觉感知和听力感知已经足够一个基本的智能体所需感知了。

但极少情况还可能一些智能体需要知道各种杂项信息(例如队长给警卫发送了一条无线电消息,要求警卫赶往队长所在位置支援)。


游戏AI 系列文章:https://www.cnblogs.com/KillerAery/category/1229106.html

posted @ 2018-12-03 00:43  KillerAery  阅读(2304)  评论(2编辑  收藏  举报