由于前段时间的寻路小车让我意识到AI在游戏还有虚拟现实中的重要性，回想以前的无论是《地下城与勇士》还是《英雄联盟》里面的野怪都是很被动，几乎可以忽略自主能力，当然有好处也有坏处。
首先，需要明白，AI对象是非玩家角色，AI角色可以认为它们处于 感知->思考->行动 这样一个循环中。现代游戏对AI的需求分为三种：运动能力，决策能力，战略能力。比如无论是英雄联盟还是王者荣耀都有人机对战，但是这些几乎都是新手的专场，原因是这些AI电脑玩家水平很低，决策能力和战略能力很低。
我相信，现在火热的人工智能落脚点之一便是游戏AI。接着说感知，AI去感知环境是很难的，做法有很多，简单譬如王者和LOL野怪都是你攻击它然后才会反击，地下城之类都是你进入某个范围它会朝你攻击，且都会有范围的限制，这些几乎不能算作AI，真正去感知子系统的比如使用碰撞体、射线Raycast进行检测碰撞得到信息，这些还是比较简单的做法，如果和深度学习里的图像识别结合，我认为这才是一个比较智能的感知环境。思考过程是很复杂的，一般都是我们定义好很多种情况之后AI角色相应的做出判断。其实，如果我们能同样使用深度学习，相信会发生意想不到的结果。学习“阿尔法狗”的做法，去改变AI角色，行动包括行走和攻击等行为。但是这样也有一个弊端，AI角色过于聪明会使游戏玩家失去信心，比如“阿尔法狗”现在难求一败，这对很多围棋玩家实在是种伤害，但这里我们不需要关心这么多，只谈技术。比如你发现了敌人，你需要躲避还是攻击，这是思考决策的过程，但如果AI打算逃跑，需要找到合适的路径还有躲避障碍物以及其他敌人。
本节先说感知。如同我上面所说的，使用 射线检测 来感知一般都是用于时刻都需要去感知信息的，而很多游戏时间并不需要这样，AI角色可以通过两种方式获得游戏世界的信息-- 轮询和事件驱动 。简单来说，轮询就是你想知道什么，就去“查询”，比如你想知道周围是否有敌人，你就去查敌人的位置就可以了，弊端很明显，太耗资源。事件驱动方式，设置事件管理器，如果发生了感兴趣的事件，让事件管理器告诉AI，最常见的就是触发器。触发器的种类很多，比如时间相关的（刷新怪物），输入接口触发（用户按键）等等。
游戏中最常见的感知类型就是视觉和听觉，它们都需要设置许多触发器和感知器 。而且，游戏需要模拟人的记忆，如果人停止攻击野怪也停下来，这肯定不可以的。所以需要设置一个记忆感知器。所有触发器的基类-Trigger类，所有感知器的基类-Sensor类。所有视觉和听觉的感知器和触发器都是它俩的派生类。一般的你需要为它们设置一个事件管理器，用来更新和处理所有的触发器，并维护一个感知器列表。
触觉感知，在Unity中给物体加上碰撞体，选择检视板的isTrigger即可标记为触觉触发器，这个很常见，自动门，提示信息等，不多说了。
记忆感知，实现一个SenseMemory类，创建一个记忆列表，主要是记忆保存对象一些属性和保存时间。
对与感知的使用一般都需要具体情况具体分析，尽量减少内存消耗而且使AI角色合理合适做出反应。
下一篇总结决策思想。