由於前段時間的尋路小車讓我意識到AI在遊戲還有虛擬現實中的重要性，回想以前的無論是《地下城與勇士》還是《英雄聯盟》裏面的野怪都是很被動，幾乎可以忽略自主能力，當然有好處也有壞處。
首先，需要明白，AI對象是非玩家角色，AI角色可以認爲它們處於 感知->思考->行動 這樣一個循環中。現代遊戲對AI的需求分爲三種：運動能力，決策能力，戰略能力。比如無論是英雄聯盟還是王者榮耀都有人機對戰，但是這些幾乎都是新手的專場，原因是這些AI電腦玩家水平很低，決策能力和戰略能力很低。
我相信，現在火熱的人工智能落腳點之一便是遊戲AI。接着說感知，AI去感知環境是很難的，做法有很多，簡單譬如王者和LOL野怪都是你攻擊它然後纔會反擊，地下城之類都是你進入某個範圍它會朝你攻擊，且都會有範圍的限制，這些幾乎不能算作AI，真正去感知子系統的比如使用碰撞體、射線Raycast進行檢測碰撞得到信息，這些還是比較簡單的做法，如果和深度學習裏的圖像識別結合，我認爲這纔是一個比較智能的感知環境。思考過程是很複雜的，一般都是我們定義好很多種情況之後AI角色相應的做出判斷。其實，如果我們能同樣使用深度學習，相信會發生意想不到的結果。學習“阿爾法狗”的做法，去改變AI角色，行動包括行走和攻擊等行爲。但是這樣也有一個弊端，AI角色過於聰明會使遊戲玩家失去信心，比如“阿爾法狗”現在難求一敗，這對很多圍棋玩家實在是種傷害，但這裏我們不需要關心這麼多，只談技術。比如你發現了敵人，你需要躲避還是攻擊，這是思考決策的過程，但如果AI打算逃跑，需要找到合適的路徑還有躲避障礙物以及其他敵人。
本節先說感知。如同我上面所說的，使用 射線檢測 來感知一般都是用於時刻都需要去感知信息的，而很多遊戲時間並不需要這樣，AI角色可以通過兩種方式獲得遊戲世界的信息-- 輪詢和事件驅動 。簡單來說，輪詢就是你想知道什麼，就去“查詢”，比如你想知道周圍是否有敵人，你就去查敵人的位置就可以了，弊端很明顯，太耗資源。事件驅動方式，設置事件管理器，如果發生了感興趣的事件，讓事件管理器告訴AI，最常見的就是觸發器。觸發器的種類很多，比如時間相關的（刷新怪物），輸入接口觸發（用戶按鍵）等等。
遊戲中最常見的感知類型就是視覺和聽覺，它們都需要設置許多觸發器和感知器 。而且，遊戲需要模擬人的記憶，如果人停止攻擊野怪也停下來，這肯定不可以的。所以需要設置一個記憶感知器。所有觸發器的基類-Trigger類，所有感知器的基類-Sensor類。所有視覺和聽覺的感知器和觸發器都是它倆的派生類。一般的你需要爲它們設置一個事件管理器，用來更新和處理所有的觸發器，並維護一個感知器列表。
觸覺感知，在Unity中給物體加上碰撞體，選擇檢視板的isTrigger即可標記爲觸覺觸發器，這個很常見，自動門，提示信息等，不多說了。
記憶感知，實現一個SenseMemory類，創建一個記憶列表，主要是記憶保存對象一些屬性和保存時間。
對與感知的使用一般都需要具體情況具體分析，儘量減少內存消耗而且使AI角色合理合適做出反應。
下一篇總結決策思想。