规划我们的旅程
最后更新于
现在是时候开始规划我们的旅程了，然后再进入下一章。
技术术语
由于对于你们中的一些人来说，这是你们第一次踏入人工智能领域，因此了解本书（以及人工智能领域）中常用的一些技术术语是很重要的。在过去的几页中，我们已经接触过一些术语：
代理是能够自主推理以解决特定目标集的系统。
反向推理是通过向后追踪问题的原因来进行的过程。
黑板是一种用于在不同代理之间交换数据，有时甚至在代理本身内部（尤其是在虚幻引擎中）交换数据的架构。
环境是代理生活的世界。例如，游戏世界是同一个游戏中的非玩家角色（NPC）的环境。另一个例子是棋盘，它代表了与人类（或其他系统）下棋的系统的环境。
前向链式推理，与反向链式推理相对，是解决问题的过程，从前往后寻找解决方案。
启发式是一种实用的解决问题的方法，它不保证最优，也不足以满足当前目标。当找到一个问题的最优解决方案不切实际（如果不是不可能）时，会使用启发式方法来找到满意的解决方案。它们可以被视为在决策过程中减轻认知负担的心理捷径。有时，它可以代表一个代理人的知识，基于他/她的过去经验（尽管这通常是先验的）。“启发式”一词源自古希腊语，意为“发现”或“找到”。
自底向上方法
通常，在构建或研究系统时，主要有两种方法：自上而下和自底向上。前者从系统的高级结构开始，逐渐深入到系统的细微细节。后者从基础开始，逐步创建依赖于前者的更复杂结构。这两种方法都是有效的，但根据个人偏好，我选择了自底向上的方法来介绍这本书的主题。
实际上，我们将从代理人的移动方式开始，然后理解它如何感知，最后使用这些数据来做出明智的决策，甚至制定计划。这在这本书的结构及其各部分中都有所体现。
代理模式
由于在本书中，我们将探讨AI代理如何感知、移动、计划和与其周围环境互动的各个部分，因此绘制一个代理模式的图表将会有所帮助。当然，可能会有许多其他模式，它们都是同样有效的，但我相信这个模式对于开始学习AI游戏开发尤其有用。
由于我们选择了自底向上的方法，我们应该从底部阅读模式。我们将更正式地将其称为代理模型。
首先，我们可以看到代理总是与游戏世界交换信息，包括几何、物理和动画，但也包括它的抽象概念。这些信息在我们的代理模型的所有层次上都被使用。
从底层来看，我们可以看到我们的首要关注点是如何在环境中移动。这个过程可以分为运动和寻路（第3章，导航）。往上，我们可以看到代理感知世界（第4章，环境查询系统，和第5章，代理意识），并基于这种感知，代理可以做出决策（第2章，行为树和黑板）。有时，在某一时刻做出最佳决策，可能并不能在长期内带来更好的结果，因此代理应该能够提前规划。通常，在电子游戏中，一个AI系统（并不一定是NPC）可以控制多个角色，因此，它应该能够协调一组角色。最后，代理可能需要与其他代理合作。当然，我们无法在这本书中深入探讨每个主题，但请随时在线查看，以便您可以深入研究某些主题。
最后一点：通常，游戏中的AI并不会同时使用所有这些层次；有些只实现其中一个，或者将它们混合在一起。然而，在开始使用它们之前，了解它们的结构是很重要的。
Unreal Engine AI框架
尽管其他游戏引擎只提供渲染能力，但Unreal Engine附带了许多已经实现的功能（并通过插件扩展）。这并不意味着制作游戏更容易，而是意味着我们有更多工具来开发游戏。
事实上，Unreal实现了许多人工智能工具。在我们探索它们时，我们可以创建这些工具及其相互关系的图表。所以，让我们试着理解我们将在哪个层次上操作。这意味着要初步了解Unreal游戏玩法框架（您可以在这里找到更多信息：https://docs.unrealengine.com/en-us/Gameplay/Framework）。
有一个控制器类，可以分成两个子类。第一个是玩家控制器；顾名思义，它提供了游戏和玩家之间的接口（当然，这本书不涉及这个，因为我们将专注于AI而不是一般的游戏玩法）。第二个类是AIController，它提供了我们的AI算法和游戏本身的接口。
以下图表展示了它们如何相互交互：
控制器（Controller）与玩家控制器（Player Controller）之间存在虚线连接，表示拥有关系。AI控制器（AI Controller）与AI系统（AI Systems）之间通过箭头连接，表示交互和运行关系。AI控制器与木偶（Pawn）之间也存在拥有关系。木偶可以由两种类型的控制器拥有：对于玩家来说，这可能是主要角色；而对于AI控制器来说，木偶可以被视为虚拟角色，AI控制器的敌人，试图击败玩家。
在这本书中，我们将只关注AI控制器，以及围绕它并帮助其赋予生命的所有工具（这里不会涵盖前面图表中的虚线部分）。我们会在后面的阶段理解我所说的内容，但关键概念是我们要在AI控制器的层次上操作。
以下是我们旅程的概述：
现在我们已经了解了我们将要使用的架构的大致概念，让我们来分解一下我们将要在本书中覆盖的内容。订单或多或少是根据我们将要面对的主题进行排序的（我说或多或少，是因为有些主题在超过一个章节中分布，并且在我们扩展了对AI的知识后需要重复迭代）。
然而，你可以将这本书分为三个部分：
第2-7章：介绍了不同的内置AI系统
第8-10章：如何在前几章探讨的AI系统中使用的一个具体例子（因为我认为这部分与了解系统本身同样重要）
第11-13章：游戏AI的不同调试方法描述（因为我认为这部分与了解系统本身同样重要）
让我们详细谈谈这本书的内容。
使用行为树进行决策（第2、6、8、9和10章）
一旦代理能够感知周围的世界，它就需要开始做出决定，这些决定会产生后果。一些决策过程可能会变得如此复杂，以至于代理需要制定一个适当的计划来成功实现目标。
内置于Unreal Engine的AI框架围绕行为树展开，这在本书中占据了很大一部分。当然，这并不排除在Unreal中自行实现其他AI系统进行决策的可能性，但是，通过选择行为树，你将有一组强大的工具可以使用，我们将在本书中详细介绍这些工具。
导航（第3和第7章）
除非游戏是离散或回合制的，否则每个AI代理都需要在其环境中以连续的方式移动。Unreal提供了一个强大的导航系统，让你的AI代理能够在环境中轻松导航，从掉落、跳跃、蹲伏到游泳，到不同的区域和不同类型的代理。
这个系统非常庞大，很难全部涵盖，但我们将尽最大努力在第三章“导航”中涵盖你需要的一切。
环境查询系统（第4和第12章）
环境查询系统（ESQ）可以从代理周围的环境中收集信息，从而使代理能够据此做出决策。这本书专门用一整章来介绍这个系统。实际上，它位于第5章“代理意识”和决策之间，是Unreal中已经内置的一个很好的资源。
智能体意识（第5章和第12章）
智能体意识（或感知）涉及赋予AI智能体感官的能力。具体来说，我们将涵盖视觉，这是最常见和最广泛使用的，但也将涵盖听觉和嗅觉。
此外，我们将开始探索这些数据将如何在更高级别的结构中使用，以便智能体能够相应地行动。
人群（第7章）
当你的地图中有许多AI智能体时，环境很容易变得过于拥挤，各种智能体可能会相互干扰。人群系统允许你控制大量的AI智能体（同时它们可以保持个体行为），使它们能够避免相互干扰。
设计行为树（第8章、第9章和第10章）
对于AI开发者来说，知道行为树是如何工作的还不够：他/她需要知道如何设计它们。实际上，你的大部分工作就是创建一个抽象系统来协调所有的AI智能体，只有在这之后，你才会花剩余的时间来实现它。因此，我们将涵盖一个大的设计示例，介绍如何从头开始设计、创建单个部分并构建一个完整的行为树。
游戏AI的调试方法（第11章、第12章和第13章）
一旦你了解了所有不同的AI系统，你可以开始试验这些系统或编程游戏，但如何判断你的AI是否按照你的计划执行和/或表现良好呢？调试方法在任何软件中都至关重要，但在游戏AI中，你还需要视觉调试。因此，Unreal Engine提供了许多调试方法（包括一些专门为AI设计的），我坚信了解这些方法非常重要。你将不仅学习这些工具，还将学习如何根据你的需求扩展它们。
超越（第14章）
这本书的最后一部分将探讨目前在AI领域正在进行的令人兴奋的想法和创新，并将激发你继续这段精彩的旅程。我将介绍一些正在应用于游戏的AI正在进行的研究，以及这最终如何使你的游戏受益。了解新技术和算法在这个领域至关重要，以便你总是与时俱进。
为C++用户启用AI
如果你作为C++用户阅读这本书，当你在项目中编写C++代码（或项目的特定模块或插件）时，你需要确保添加正确的依赖项，以便你可以访问AI系统，否则你将遇到编译错误。我们将在下一章中更详细地查看这一点，届时我们将创建一个项目，插入我们在本书中产生的所有代码。然而，这是在.cs项目文件中插入/修改代码的代码行（粗体部分是AI工作所需的）：
