Unity3D中的AI架构模型
我们都知道现在AI（由人工制造出来的系统所表现出来的模拟人类的智能活动）非常的火，可以说是家喻户晓。当然，在游戏中，AI也是到处可以找到的，对于AI，我们应该关注的问题是如何让游戏角色能够向人或动物那样“感知”、“思考”和“行动”，让游戏中的角色看上去具有真实的人或动物的反应。
实际上，对于游戏中的AI角色，可以认为它们一直处于感知（SENSE）->思考（think）->行动（Act）的循环中。
- 感知：是AI角色与游戏世界的接口，负责在游戏过程中不断感知周围的环境，读取游戏的状态和数据，为思考和决策收集信息。例如：周围是否有敌人靠近等等。
- 思考：利用感知的结果选择行为，在多种可能性之间切换。例如：决定是战斗还是逃跑？逃跑东在哪里？等等。
- 行动：发出命令、更新状态、寻路、播放背景音乐和动画、生命值增减等等。
尽管每种游戏需要的AI技术都有所不同，但绝大多数现代游戏中对AI的需求都可以用三种基本能力来概括。如下：
- 运动：移动角色的能力。
- 决策：做出决策的能力。
- 战略：战略战术思考的能力。
在这个模型中，将AI任务划分为三个层级，分别为运动层、决策层及战略层。运动与决策层包含的算法是针对单个角色的，战略层是针对小队乃至更大规模群体的。需要注意的是，这只是一种基本的AI架构模型。实际中，根据游戏的种类与需求，可能会有所细化或增删。例如，棋类游戏就只有战略层，因为这种游戏中的角色不需要自己做出决定，也不用考虑如何移动。而其他许多非棋类游戏中，就不包含战略层，可能反应迟钝，只需要每个角色做出简单的决定，并且依次行动，而不需要角色之间协调工作。下面来分别分析这三层的任务。
运动层
在运动层中的主要任务一般是导航和寻路，它们决定了角色的移动路径，当然，具体的移动行为还需要动画层的配合才能完成。例如：我们在游戏中可能会遇到这种情况：在某游戏关卡出，当敌人（此处指电脑）看到你时，他需要召集队友，那么他要拉警报，这就需要他们先移动到最近的固定的警铃，当这个铃较远时，他需要避开障碍物和你才能到达，这就需要较复杂的导航与寻路算法。
当然，有许多行为可以直接由动画层处理的。例如：如果某任务坐在餐桌旁边，这时如果他做出吃东西的决定，那么只需要播放吃东西的动画就可以啦，不再需要其他的AI算法。运动层包含的算法能够把上层做出的决定策略转化为运动。例如：如果某个AI角色的决策层做出攻击玩家的决策时，运动层会利用与移动相关的算法，时角色接近玩家的位置，来执行这个决策，然后播放攻击动画，以及处理角色或玩家的生命值等等。
决策层
决策层的任务是决定角色在下一时间步该做什么。决策层的功能可以利用有限状态机或行为树等技术实现，也可以采用更加复杂的AI技术，如模糊状态机、神经网络等技术实现。例如：当角色看不到玩家时，就进行巡逻，否则就进行攻击，在攻击的决策中还可以带有扔手雷、加大火力压制等等附加决策。
战略层
战略指的是一组角色的总体行为，这时AI算法并不是只控制单个角色，而是会影响到多个角色的行为。小组中的每个角色都可以有他们自己的决策层和运动算法，但总体上，它们的决策层会受到团队战略的影响。
其实，即使游戏中只有运动层和决策层，也可以实现很复杂的功能。事实上，大部分基于行为的游戏也只是用到了这两层，但是，如果需要团队协作，那么好酒需要某些战略AI。
本文属于原创，转发须注明：https://i.cnblogs.com/EditPosts.aspx?postid=6637769&update=1
参考：unity 3d人工智能编程精粹
