1. 项目概述从静态寻路到动态博弈在游戏开发尤其是非对称对抗或潜行类游戏的制作中AI角色的移动逻辑是决定游戏体验深度的关键。传统的静态寻路比如给NPC设定几个固定的巡逻点虽然实现简单但玩法很快就会变得单调和可预测。玩家摸清规律后AI就形同虚设。而《Among Us》这类游戏的精髓恰恰在于其动态、不可预测的压迫感——你永远不知道“内鬼”会从哪个路口突然出现或者哪个通风管道会被临时封锁。这个项目的核心就是要突破静态寻路的局限利用Unity内置的强大Navigation系统构建一套类似《Among Us》的、支持多角色协同的动态巡逻与区域封锁机制。我们不止要实现“从A点走到B点”更要实现“根据实时游戏状态智能地选择路线、分头包抄、甚至改变地图可达性”的复杂AI行为。这不仅仅是技术实现更是一种游戏设计思维的升级旨在为玩家创造持续紧张、充满变数的对抗体验。简单来说我们要做的是让多个AI角色如船员或守卫不再是无脑的“巡逻机器”而是能像真人玩家一样思考路径、执行战术的“智能体”。它们可以分头行动覆盖更大区域可以响应警报进行合围甚至能主动设置路障动态改变导航网格NavMesh从而限制或引导玩家的移动。这对于制作密室逃脱、塔防、潜行刺杀或是类似《Among Us》的社交推理游戏都具有极高的参考价值。2. 核心机制设计与思路拆解2.1 为何选择Unity Navigation系统在实现复杂AI移动时开发者常面临几种选择自己手写A*算法、使用行为树插件如NodeCanvas搭配简单移动、或者采用Unity官方的Navigation系统。这里我们坚定地选择后者原因如下成熟与高效Unity Navigation是一个经过多年迭代、高度优化的系统。它底层基于Recast导航网格生成库能快速烘焙出复杂的、包含高度信息的可行走区域NavMesh。其路径查找算法如A*的变种效率极高完全能满足实时游戏的需求省去了我们重复造轮子的巨大工作量。动态更新能力这是本项目最关键的一点。Navigation系统支持NavMesh障碍物NavMeshObstacle和动态导航网格更新。这意味着我们可以在运行时动态地添加、移动或移除障碍物系统会自动或通过脚本触发更新受影响区域的导航网格从而实现“封锁路口”、“放置路障”等效果。这是实现《Among Us》中关门、破坏设施等玩法的技术基础。与Animator无缝集成Navigation Agent组件可以非常方便地与Mecanim动画系统结合。通过OnAnimatorMove回调我们可以轻松地将计算出的路径速度、转向等信息应用到角色动画上实现平滑的、带根运动Root Motion的移动让动作看起来更自然。丰富的API与控制粒度NavMeshAgent组件提供了丰富的参数速度、加速度、角速度、停止距离、回避半径等和方法SetDestination,CalculatePath,Warp等让我们能够精细地控制每个AI的移动行为实现急停、转向、排队等细节。注意虽然行为树插件如NodeCanvas, Behavior Designer能更好地组织复杂的AI逻辑决策如“是否看到玩家”、“选择攻击还是巡逻”但具体的路径规划和移动执行仍然推荐委托给NavMeshAgent。两者是互补关系行为树做“大脑”决策Navigation系统做“小脑”移动执行。2.2 《Among Us》式机制的核心要素解析要模仿《Among Us》的体验我们需要拆解其AI内鬼或船员行为背后的几个核心要素多角色与分路巡逻多个AI角色不应扎堆。系统需要为它们分配不同的巡逻路线或区域实现空间上的覆盖。这不仅仅是随机选点更需要考虑路径的效率、角色的视野范围重叠度以及如何避免所有AI被同一事件吸引导致区域真空。动态目标与响应机制AI的目标不是一成不变的。当玩家触发警报、完成可疑动作如破坏设施或进入特定区域时附近的AI需要能中断当前巡逻优先前往事件地点。这需要一套事件发布与订阅机制以及AI目标优先级的管理系统。区域封锁与导航网格动态修改这是营造紧张感和策略性的关键。AI或玩家应能主动“封锁”一个区域例如关闭一扇门、拉下一个闸门或放置一个路障。这本质上是在运行时修改导航网格使得该区域从“可行走”变为“不可行走”。其他AI和玩家在寻路时必须绕行从而改变了游戏的动态格局。信息共享与协同高级的AI系统还应包含简单的“通信”机制。当一个AI发现玩家或异常时它可以通过某种方式如发出警报声、改变自身状态通知一定范围内的其他AI使它们能协同进行包抄或封锁逃生路线。我们的实现将围绕这四个要素展开利用Navigation系统提供的工具构建一个模块化、可扩展的AI移动框架。3. 基础搭建导航网格烘焙与智能体配置3.1 场景准备与导航网格烘焙一切始于一个可行的走区域定义。在Unity中我们通过导航网格NavMesh来描述场景中AI可以行走的表面。标记可行走表面在场景中选中所有作为地面、楼梯、平台等AI应能行走的静态物体Static Mesh。在Inspector窗口的右上角将其标记为Navigation Static。对于复杂的斜坡、台阶需要确保模型连续且坡度在Agent可爬升的范围内。导航区域划分Unity允许你定义不同的导航区域如Walkable,Not Walkable,Jump,Water等并为它们设置不同的通行成本Cost。例如你可以创建一个“泥泞”区域设置较高的通行成本AI在寻路时会优先选择成本低的路径。这可以通过在物体上添加NavMeshModifier组件来实现或者直接使用NavMeshModifierVolume来框选一个3D体积区域。烘焙导航网格打开Window AI Navigation窗口。在Bake标签页下关键参数需要根据你的角色模型和游戏需求设置Agent RadiusAI角色的半径。这决定了路径的宽度和角落的通过性。设置过大会导致AI在狭窄走廊无法通过。Agent HeightAI角色的高度。用于判断是否可以穿过门洞等低矮空间。Max SlopeAI可爬行的最大坡度。超过此坡度的表面不会被烘焙为可行走区域。Step HeightAI可跨越的最大台阶高度。这是实现上下楼梯的关键参数。 设置好后点击Bake按钮。Unity会扫描所有标记为Navigation Static的物体并生成蓝色的导航网格表面。你可以在Scene视图中看到它。实操心得初次烘焙时经常遇到导航网格在预期位置缺失的问题。首先检查物体是否已正确标记为Navigation Static。其次检查模型的碰撞体Collider。Navigation系统在烘焙时会使用Mesh Renderer的几何体或附加的碰撞体。对于复杂地形为其添加一个简化的Mesh Collider而非多个Box Collider拼接往往能得到更干净、连续的导航网格。烘焙完成后务必使用一个简单的NavMeshAgent进行测试看其能否在场景中自由移动。3.2 NavMeshAgent组件详解与初始配置为你的AI角色预制体添加NavMeshAgent组件。这是AI移动的“执行器”。以下是一些关键参数的配置思路Speed, Angular Speed, Acceleration分别控制移动速度、转身速度和加速度。根据你的AI类型缓慢的守卫、敏捷的刺客设置不同的值。高加速度和角速度能让AI移动显得更灵敏。Stopping Distance停止距离。当AI到达目标点此距离范围内时就会认为已到达并停止。对于巡逻点可以设一个较小值如0.1对于攻击玩家可以设为攻击距离。Auto Braking是否自动刹车。如果勾选在接近目标时会减速移动更平滑。如果取消勾选AI会以恒定速度冲向目标点在到达的瞬间急停适合需要快速反应的场景。Radius, Height需要与烘焙导航网格时设置的参数匹配或略小以确保AI能走在生成的网格上。Obstacle Avoidance避障质量。设置AI在移动时避开其他NavMeshAgent即其他AI的能力。优先级Priority低的AI会为优先级高的AI让路。这在多AI场景中至关重要能防止它们卡在一起。一个基础的巡逻脚本框架如下using UnityEngine; using UnityEngine.AI; public class BasicPatrolAI : MonoBehaviour { public Transform[] patrolPoints; // 巡逻点数组 private NavMeshAgent agent; private int currentPatrolIndex 0; private bool isPatrolling true; void Start() { agent GetComponentNavMeshAgent(); if (patrolPoints.Length 0) { MoveToNextPoint(); } } void Update() { // 如果正在巡逻且到达了当前目标点就前往下一个点 if (isPatrolling !agent.pathPending agent.remainingDistance agent.stoppingDistance) { // 可以在这里加入一个短暂的等待时间让AI在点位上停留观察 // yield return new WaitForSeconds(waitTime); MoveToNextPoint(); } } void MoveToNextPoint() { if (patrolPoints.Length 0) return; // 设置下一个目标点 agent.destination patrolPoints[currentPatrolIndex].position; // 更新索引循环巡逻 currentPatrolIndex (currentPatrolIndex 1) % patrolPoints.Length; } // 可以被外部调用来中断巡逻前往新目标如响应警报 public void SetNewDestination(Vector3 target) { isPatrolling false; agent.destination target; } }4. 实现多角色智能分路巡逻简单的顺序巡逻点循环很容易被玩家摸透。我们需要更智能的分路逻辑。4.1 基于区域的职责分配与其为每个AI分配固定的点序列不如为它们分配“责任区域”。我们可以将整个导航网格在逻辑上划分为多个区域例如使用空物体标记区域中心或使用NavMeshModifierVolume定义区域。创建巡逻区域管理器一个中心化的管理器如PatrolZoneManager负责管理所有定义好的巡逻区域及其状态例如是否有AI在该区域巡逻、该区域最近被巡查的时间。为AI分配初始区域游戏开始时管理器根据AI的数量和区域的权重为每个AI分配一个主巡逻区域。分配算法可以考虑区域的重要性、大小以及确保区域覆盖相对均衡。动态区域重分配当一个AI离开其主区域去响应全局事件如警报时管理器应将该区域标记为“无人值守”。如果无人值守时间过长管理器可以命令另一个空闲的或次要区域的AI临时接管该区域的巡逻。这模拟了守卫换岗或补位的逻辑。4.2 引入随机性与不可预测性完全规律的巡逻依然存在被预测的风险。我们需要注入随机性巡逻点顺序随机在区域内巡逻时AI不是按固定顺序访问点而是从该区域的点列表中随机挑选下一个目标但确保在一定周期内覆盖所有点。巡逻中插入停顿与观察在到达一个巡逻点后AI有概率执行一个“观察”行为播放一个转身扫视的动画并短暂停留几秒。这大大增加了玩家穿越其视野时的风险。偶尔跨区域巡逻有低概率AI会临时决定巡逻一下相邻的区域然后再返回自己的主区域。这打破了严格的区域边界让玩家更难把握安全时机。代码示例增强的巡逻逻辑public class AdvancedPatrolAI : MonoBehaviour { // ... 其他变量 ... public PatrolZone assignedZone; // 分配到的巡逻区域 private ListTransform zonePatrolPoints new ListTransform(); private bool isObserving false; void Update() { if (isObserving) return; // 观察中不移动 if (!agent.pathPending agent.remainingDistance agent.stoppingDistance) { if (!isPatrolling) { // 如果是因为响应事件到达了目标可以判断事件是否处理完毕然后返回巡逻 ReturnToPatrol(); } else { // 巡逻状态下到达点 StartCoroutine(ObserveAndMoveToNextPoint()); } } } IEnumerator ObserveAndMoveToNextPoint() { // 有30%概率进行观察 if (Random.value 0.3f zonePatrolPoints.Count 1) { isObserving true; // 触发观察动画 animator.SetTrigger(Observe); yield return new WaitForSeconds(Random.Range(2f, 5f)); // 随机观察2-5秒 isObserving false; } // 从区域点列表中随机选择下一个点避免重复刚离开的点 Transform nextPoint GetRandomPatrolPointExcludingCurrent(); agent.destination nextPoint.position; } private Transform GetRandomPatrolPointExcludingCurrent() { if (zonePatrolPoints.Count 1) return zonePatrolPoints[0]; // 简单实现创建一个临时列表排除当前目标点然后随机选择 // 更优方案是记录上一个点索引 // ... } }5. 动态响应与事件驱动目标切换静态巡逻的AI是“瞎子”和“聋子”。我们需要让它们能感知游戏世界的变化并做出反应。5.1 构建事件系统创建一个全局或区域性的游戏事件管理器GameEventSystem。它可以基于观察者模式或C#的event/Action。public static class GameEventManager { // 定义警报事件参数可以是事件位置、事件类型、紧急程度等 public static event ActionVector3, AlarmType OnAlarmTriggered; public static void TriggerAlarm(Vector3 location, AlarmType type) { OnAlarmTriggered?.Invoke(location, type); } } public enum AlarmType { Sound, Visual, Sabotage }当玩家触发警报器、开枪、或进行破坏任务时调用GameEventManager.TriggerAlarm(position, type)。5.2 AI的事件监听与决策在每个AI的脚本中订阅这个全局事件。public class ResponsiveAI : AdvancedPatrolAI { public float alarmResponseRadius 20f; // 响应警报的范围 public AlarmType[] responseAlarmTypes; // 响应的警报类型 void OnEnable() { GameEventManager.OnAlarmTriggered HandleAlarm; } void OnDisable() { GameEventManager.OnAlarmTriggered - HandleAlarm; } void HandleAlarm(Vector3 alarmLocation, AlarmType type) { // 1. 检查警报类型是否在关心范围内 if (!responseAlarmTypes.Contains(type)) return; // 2. 检查距离是否在响应范围内 if (Vector3.Distance(transform.position, alarmLocation) alarmResponseRadius) return; // 3. 决策是否中断当前行为去响应 // 可以加入一些随机因素或AI状态判断如是否正在追逐其他目标 if (ShouldRespondToAlarm()) { // 4. 设置新目标为警报地点 InterruptCurrentAction(); agent.destination alarmLocation; isPatrolling false; // 可以切换到“警戒”或“奔跑”状态动画 animator.SetBool(IsAlerted, true); } } private bool ShouldRespondToAlarm() { // 这里可以加入更复杂的决策逻辑例如 // - 如果正在执行重要任务如看守人质则不响应。 // - 根据AI的“好奇心”或“职责”属性有概率响应。 // - 如果已经有足够多的AI前往该地点则本AI不响应。 return true; // 简化版总是响应 } private void ReturnToPatrol() { // 到达警报点后如果没有发现异常过一段时间后返回巡逻 StartCoroutine(InvestigateAndReturn()); } IEnumerator InvestigateAndReturn() { // 在警报点观察一段时间 yield return new WaitForSeconds(5f); // 切换回巡逻状态并回到自己的巡逻区域 isPatrolling true; animator.SetBool(IsAlerted, false); // 寻找最近的本区域巡逻点 MoveToNearestPointInZone(); } }通过这套系统AI世界就“活”了起来。一个地方的异常会像涟漪一样扩散吸引附近的AI前来调查极大地增强了游戏的动态性和真实感。6. 区域封锁与动态导航网格的核心实现这是模仿《Among Us》中关门、破坏核心设施等玩法的核心技术。其本质是在运行时修改导航网格。6.1 使用NavMeshObstacle实现简单封锁对于像门这样需要打开/关闭的物体最直接的方法是使用NavMeshObstacle组件。创建可开关的门为一个门物体添加NavMeshObstacle组件。配置NavMeshObstacleShape根据门模型选择Box或Capsule。Carve必须勾选此选项。这是关键它指示该障碍物会“雕刻”导航网格即在导航网格上挖出一个洞使Agent无法通过。Move Threshold当障碍物移动距离超过此值时才会触发导航网格更新。对于开关门可以设置一个较小的值。Time To Stationary障碍物停止移动后等待多久才将其视为静止并更新网格。可以设短一些如0.1秒。通过脚本控制通过脚本控制门的NavMeshObstacle.enabled属性。当门关闭时启用障碍物enabled true导航网格被雕刻路径被阻断。当门打开时禁用障碍物enabled false导航网格恢复路径畅通。优点实现简单性能开销相对较小适合数量不多的、形状规则的动态障碍物。缺点NavMeshObstacle雕刻出的洞是近似形状通常是包围盒对于复杂形状的障碍物不够精确。且大量动态障碍物会带来较多的网格更新开销。6.2 使用NavMeshModifierVolume实现复杂区域封锁对于更大的、不规则形状的区域封锁例如拉下闸门封锁整个走廊或放置一个大型路障NavMeshModifierVolume更合适。创建封锁区域预制体创建一个空的GameObject添加NavMeshModifierVolume组件。设置体积调整NavMeshModifierVolume的Size使其完全覆盖你想要封锁的区域如整个走廊截面。设置区域类型在Area下拉菜单中选择一个区域类型例如我们自定义一个名为Blocked的区域。在Navigation窗口的Areas标签页将Blocked区域的Cost设置为一个极高的值如10000或者直接将其标记为Not Walkable。动态启用/禁用默认情况下该Volume是生效的会覆盖其体积内的导航网格区域。我们可以通过脚本控制其enabled属性或直接激活/禁用整个GameObject来实现动态封锁。public class DynamicBarrier : MonoBehaviour { private NavMeshModifierVolume volume; public bool isBlocking false; void Start() { volume GetComponentNavMeshModifierVolume(); SetBlocking(isBlocking); } public void SetBlocking(bool block) { isBlocking block; volume.enabled block; // 启用Volume即应用封锁区域 // 或者 gameObject.SetActive(block); // 重要通知Navigation系统更新受影响的代理 // 对于ModifierVolume通常需要手动更新 UpdateNavMeshForAgents(); } void UpdateNavMeshForAgents() { // 找到所有可能受影响的NavMeshAgent让它们重新计算路径 // 一种简单但粗糙的方式是让所有Agent都重新设置一次目标 // 更高效的方式是使用NavMesh.UpdateLinkedNavMesh或让Agent在进入该区域时自动处理 // 这里演示一个通知所有Agent的简单方法适用于小规模场景 var allAgents FindObjectsOfTypeNavMeshAgent(); foreach (var agent in allAgents) { if (agent.isOnNavMesh) { agent.ResetPath(); // 重置路径Agent会在下一帧自动重新寻路到当前目标 } } } }6.3 高级应用基于网格分块的动态导航烘焙对于超大规模的动态地形改变例如可破坏的墙壁、移动的平台上述两种方法可能不够。这时可以考虑动态导航网格烘焙Runtime NavMesh Baking。Unity提供了NavMeshBuilderAPI允许在运行时烘焙导航网格。我们可以将地图预先分割成多个“导航网格块NavMesh Chunk”。当某个块内的几何体发生改变时如一堵墙被炸毁我们只重新烘焙这个块然后将其与周围未改变的块拼接起来。实现思路将场景的可行走表面在编辑时分割成逻辑上的网格块。为每个块预定义一个NavMeshData对象或存储其原始静态物体列表。运行时当某个块需要更新时收集该块内所有当前有效的NavMeshSource通常是带NavMeshModifier的Mesh调用NavMeshBuilder.BuildNavMeshDataAsync异步构建该块的导航网格数据。使用NavMesh.AddNavMeshData和NavMesh.RemoveNavMeshData来动态添加或移除这个块的导航数据。重要提示运行时烘焙是性能开销较大的操作必须谨慎使用。务必进行异步烘焙并限制每帧更新的块数量。通常只用于低频、重大的地图变化。7. 协同与策略让AI学会“围堵”多个AI如果只是各自为战那么它们只是独立的威胁。当它们学会协同威胁将成倍增加。7.1 简单的信息共享警报传播当一个AI直接发现了玩家通过视觉或听觉触发器除了自己进入追逐状态它还可以向其他AI“广播”这一信息。public class CommunicatingAI : ResponsiveAI { public float communicationRange 15f; public void OnPlayerSpotted(Vector3 playerPosition) { // 自己先响应 ChasePlayer(playerPosition); // 向周围AI广播 Collider[] nearbyColliders Physics.OverlapSphere(transform.position, communicationRange); foreach (var collider in nearbyColliders) { CommunicatingAI otherAI collider.GetComponentCommunicatingAI(); if (otherAI ! null otherAI ! this) { // 可以传递更多信息如发现者ID、玩家最后已知位置等 otherAI.ReceivePlayerSighting(playerPosition); } } } private void ReceivePlayerSighting(Vector3 playerPos) { // 接收到信息后决策是否前往支援 if (IsAvailableForSupport()) { InterruptCurrentAction(); // 不一定直接去玩家位置可以去玩家可能逃跑的路径上进行拦截 Vector3 interceptPoint CalculateInterceptPoint(playerPos); agent.destination interceptPoint; } } private Vector3 CalculateInterceptPoint(Vector3 playerPos) { // 简单的拦截逻辑预测玩家可能逃向的方向如最近的出口然后让AI前往那个方向上的一个点 // 这里可以引入更复杂的预测算法 Vector3 directionToExit (FindNearestExit() - playerPos).normalized; return playerPos directionToExit * 5f; // 在玩家前方5米处拦截 } }7.2 分路包抄策略当多个AI同时追逐一个玩家时让它们都朝玩家当前位置移动是最蠢的策略玩家很容易溜走。更好的策略是分路包抄。确定包抄者与追击者当两个以上AI响应同一目标时可以动态分配角色。距离玩家最近的一个AI作为“主追击者”直接奔向玩家。其他AI则成为“包抄者”。计算包抄点包抄者的目标不是玩家当前位置而是玩家可能逃往的方向。这需要一些预测基于出口计算玩家到各个已知出口或安全屋的方向包抄者前往离玩家最近的出口进行封锁。基于玩家移动方向记录玩家最近几帧的位置计算其移动向量。包抄者可以前往玩家移动方向的前方某个位置进行拦截。动态角色切换如果玩家突然调头原来的“包抄者”可能变成新的“追击者”角色需要动态切换。public class TacticalAI : CommunicatingAI { private Transform currentTargetPlayer; private AIRole currentRole AIRole.Patrol; enum AIRole { Patrol, Chaser, Flanker } public void EngagePlayer(Transform player, bool isPrimaryChaser) { currentTargetPlayer player; currentRole isPrimaryChaser ? AIRole.Chaser : AIRole.Flanker; if (currentRole AIRole.Chaser) { // 直接追逐 agent.destination player.position; } else if (currentRole AIRole.Flanker) { // 计算包抄点 Vector3 flankPosition CalculateFlankPosition(player.position, player.GetComponentPlayerMovement().GetAverageVelocity()); agent.destination flankPosition; } } void Update() { if (currentTargetPlayer ! null) { if (currentRole AIRole.Chaser) { // 持续更新目标为玩家当前位置 agent.destination currentTargetPlayer.position; } else if (currentRole AIRole.Flanker) { // 如果包抄者已经到达预定包抄点附近可以切换为追逐或者寻找下一个拦截点 if (!agent.pathPending agent.remainingDistance agent.stoppingDistance) { // 重新评估是继续包抄还是加入追逐 if (Vector3.Distance(transform.position, currentTargetPlayer.position) 10f) { currentRole AIRole.Chaser; } else { // 计算新的包抄点 agent.destination CalculateFlankPosition(currentTargetPlayer.position, ...); } } } } // ... 原有的巡逻逻辑 ... } }通过引入这些协同策略AI就从一群独立的个体变成了一个有简单战术思维的“团队”给玩家带来的压迫感和挑战性会显著提升。8. 性能优化与常见问题排查一套功能丰富的动态AI系统对性能可能有较高要求。以下是一些优化和排查技巧。8.1 性能优化要点代理数量管理NavMeshAgent是有开销的尤其是避障计算。严格控制同屏活跃的Agent数量。对于远处的、屏幕外的AI可以降低其更新频率如每2-3帧更新一次寻路甚至暂停其NavMeshAgentagent.isStopped true。避障质量分级不是所有AI都需要高精度的避障。对于背景中闲逛的NPC可以将其NavMeshAgent的obstacleAvoidanceType设置为NoObstacleAvoidance或LowQualityObstacleAvoidance将计算资源留给重要的追击型AI。动态导航更新频率对于NavMeshObstacle合理设置Carve Move Threshold和Time To Stationary。不要因为物体的微小抖动如因物理引擎导致的轻微晃动而频繁触发网格更新。对于NavMeshModifierVolume的启用/禁用可以尝试在几帧内延迟或批量处理更新请求。使用代理层级Agent Type在Navigation窗口的Agents标签页可以定义多种Agent类型如Human, SmallAnimal。每种类型可以有不同的半径、高度、坡度等参数。为不同大小的AI设置不同的类型并烘焙对应的导航网格可以避免小体型AI使用为大体型AI烘焙的宽松网格从而找到更精确的路径。路径查询优化NavMeshAgent.SetDestination()会立即进行一次路径计算。如果一帧内有大量AI同时设置目标例如响应同一个警报可能会造成卡顿。可以考虑使用路径查询队列将寻路请求分散到多帧完成。8.2 常见问题与解决方案实录问题1AI在角落或门口卡住不停抖动。原因通常是Stopping Distance设置过小或者多个AI的Radius之和大于通道宽度在避障时互相卡住。解决适当增加Stopping Distance让AI在距离目标点还有一段距离时就“认为”自己到达了。检查导航网格烘焙的Agent Radius是否与AI实际NavMeshAgent的Radius匹配。确保通道宽度至少能容纳一个AI通过。对于门口等狭窄区域可以考虑在代码中做特殊处理当AI目标在门另一侧时先让AI移动到门前的一个“等待点”再穿门而过。问题2AI无法找到有效路径agent.pathStatus为NavMeshPathStatus.PathInvalid。原因目标点不在导航网格上或者起点与目标点之间被NavMeshObstacle或NavMeshModifierVolume完全隔断。解决在调用SetDestination前使用NavMesh.SamplePosition来将任意一个世界坐标“投影”到最近的导航网格点上用这个点作为目标。使用NavMesh.CalculatePath预先计算路径检查其状态是否有效无效则采取备用方案如寻找一个中间点。确保动态障碍物在启用时没有把AI完全困在一个没有出口的封闭空间里。问题3动态障碍物启用后AI不更新路径径直撞上去。原因NavMeshObstacle的Carve功能虽然会更新导航网格但已经正在移动的NavMeshAgent其内部路径不会自动重新计算。解决在启用障碍物的同时手动通知受影响的AI重新寻路。可以像前面示例一样调用agent.ResetPath()或者重新设置一次目标agent.destination agent.destination。更优雅的方式是使用NavMeshAgent的UpdateUpPath()方法如果可用或利用NavMeshAgent的autoRepath属性设为true时Agent会在当前路径变得无效时自动尝试重新寻路。问题4烘焙的导航网格在复杂地形如楼梯、斜坡上有缺口或不平滑。原因模型碰撞体不连续或者烘焙参数如Max Slope,Step Height设置不当。解决对于楼梯最好的做法是使用一个倾斜的斜坡模型带碰撞体来代替多个台阶或者确保每个台阶的模型和碰撞体都紧密连接。调整烘焙参数适当增加Max Slope和Step Height。在复杂地形处手动放置NavMeshModifierVolume将其区域类型设置为Walkable强制覆盖该区域。实现这样一套系统是一个迭代的过程。从最基本的巡逻开始逐步加入动态响应、区域封锁和协同策略。每增加一个功能都要进行充分的测试观察AI行为是否合理性能是否可接受。最终你会得到一群不再是背景板而是能与玩家进行动态、智能互动的“对手”这无疑会为你游戏的沉浸感和可玩性带来质的飞跃。
1. 项目概述从静态寻路到动态博弈在游戏开发尤其是非对称对抗或潜行类游戏的制作中AI角色的移动逻辑是决定游戏体验深度的关键。传统的静态寻路比如给NPC设定几个固定的巡逻点虽然实现简单但玩法很快就会变得单调和可预测。玩家摸清规律后AI就形同虚设。而《Among Us》这类游戏的精髓恰恰在于其动态、不可预测的压迫感——你永远不知道“内鬼”会从哪个路口突然出现或者哪个通风管道会被临时封锁。这个项目的核心就是要突破静态寻路的局限利用Unity内置的强大Navigation系统构建一套类似《Among Us》的、支持多角色协同的动态巡逻与区域封锁机制。我们不止要实现“从A点走到B点”更要实现“根据实时游戏状态智能地选择路线、分头包抄、甚至改变地图可达性”的复杂AI行为。这不仅仅是技术实现更是一种游戏设计思维的升级旨在为玩家创造持续紧张、充满变数的对抗体验。简单来说我们要做的是让多个AI角色如船员或守卫不再是无脑的“巡逻机器”而是能像真人玩家一样思考路径、执行战术的“智能体”。它们可以分头行动覆盖更大区域可以响应警报进行合围甚至能主动设置路障动态改变导航网格NavMesh从而限制或引导玩家的移动。这对于制作密室逃脱、塔防、潜行刺杀或是类似《Among Us》的社交推理游戏都具有极高的参考价值。2. 核心机制设计与思路拆解2.1 为何选择Unity Navigation系统在实现复杂AI移动时开发者常面临几种选择自己手写A*算法、使用行为树插件如NodeCanvas搭配简单移动、或者采用Unity官方的Navigation系统。这里我们坚定地选择后者原因如下成熟与高效Unity Navigation是一个经过多年迭代、高度优化的系统。它底层基于Recast导航网格生成库能快速烘焙出复杂的、包含高度信息的可行走区域NavMesh。其路径查找算法如A*的变种效率极高完全能满足实时游戏的需求省去了我们重复造轮子的巨大工作量。动态更新能力这是本项目最关键的一点。Navigation系统支持NavMesh障碍物NavMeshObstacle和动态导航网格更新。这意味着我们可以在运行时动态地添加、移动或移除障碍物系统会自动或通过脚本触发更新受影响区域的导航网格从而实现“封锁路口”、“放置路障”等效果。这是实现《Among Us》中关门、破坏设施等玩法的技术基础。与Animator无缝集成Navigation Agent组件可以非常方便地与Mecanim动画系统结合。通过OnAnimatorMove回调我们可以轻松地将计算出的路径速度、转向等信息应用到角色动画上实现平滑的、带根运动Root Motion的移动让动作看起来更自然。丰富的API与控制粒度NavMeshAgent组件提供了丰富的参数速度、加速度、角速度、停止距离、回避半径等和方法SetDestination,CalculatePath,Warp等让我们能够精细地控制每个AI的移动行为实现急停、转向、排队等细节。注意虽然行为树插件如NodeCanvas, Behavior Designer能更好地组织复杂的AI逻辑决策如“是否看到玩家”、“选择攻击还是巡逻”但具体的路径规划和移动执行仍然推荐委托给NavMeshAgent。两者是互补关系行为树做“大脑”决策Navigation系统做“小脑”移动执行。2.2 《Among Us》式机制的核心要素解析要模仿《Among Us》的体验我们需要拆解其AI内鬼或船员行为背后的几个核心要素多角色与分路巡逻多个AI角色不应扎堆。系统需要为它们分配不同的巡逻路线或区域实现空间上的覆盖。这不仅仅是随机选点更需要考虑路径的效率、角色的视野范围重叠度以及如何避免所有AI被同一事件吸引导致区域真空。动态目标与响应机制AI的目标不是一成不变的。当玩家触发警报、完成可疑动作如破坏设施或进入特定区域时附近的AI需要能中断当前巡逻优先前往事件地点。这需要一套事件发布与订阅机制以及AI目标优先级的管理系统。区域封锁与导航网格动态修改这是营造紧张感和策略性的关键。AI或玩家应能主动“封锁”一个区域例如关闭一扇门、拉下一个闸门或放置一个路障。这本质上是在运行时修改导航网格使得该区域从“可行走”变为“不可行走”。其他AI和玩家在寻路时必须绕行从而改变了游戏的动态格局。信息共享与协同高级的AI系统还应包含简单的“通信”机制。当一个AI发现玩家或异常时它可以通过某种方式如发出警报声、改变自身状态通知一定范围内的其他AI使它们能协同进行包抄或封锁逃生路线。我们的实现将围绕这四个要素展开利用Navigation系统提供的工具构建一个模块化、可扩展的AI移动框架。3. 基础搭建导航网格烘焙与智能体配置3.1 场景准备与导航网格烘焙一切始于一个可行的走区域定义。在Unity中我们通过导航网格NavMesh来描述场景中AI可以行走的表面。标记可行走表面在场景中选中所有作为地面、楼梯、平台等AI应能行走的静态物体Static Mesh。在Inspector窗口的右上角将其标记为Navigation Static。对于复杂的斜坡、台阶需要确保模型连续且坡度在Agent可爬升的范围内。导航区域划分Unity允许你定义不同的导航区域如Walkable,Not Walkable,Jump,Water等并为它们设置不同的通行成本Cost。例如你可以创建一个“泥泞”区域设置较高的通行成本AI在寻路时会优先选择成本低的路径。这可以通过在物体上添加NavMeshModifier组件来实现或者直接使用NavMeshModifierVolume来框选一个3D体积区域。烘焙导航网格打开Window AI Navigation窗口。在Bake标签页下关键参数需要根据你的角色模型和游戏需求设置Agent RadiusAI角色的半径。这决定了路径的宽度和角落的通过性。设置过大会导致AI在狭窄走廊无法通过。Agent HeightAI角色的高度。用于判断是否可以穿过门洞等低矮空间。Max SlopeAI可爬行的最大坡度。超过此坡度的表面不会被烘焙为可行走区域。Step HeightAI可跨越的最大台阶高度。这是实现上下楼梯的关键参数。 设置好后点击Bake按钮。Unity会扫描所有标记为Navigation Static的物体并生成蓝色的导航网格表面。你可以在Scene视图中看到它。实操心得初次烘焙时经常遇到导航网格在预期位置缺失的问题。首先检查物体是否已正确标记为Navigation Static。其次检查模型的碰撞体Collider。Navigation系统在烘焙时会使用Mesh Renderer的几何体或附加的碰撞体。对于复杂地形为其添加一个简化的Mesh Collider而非多个Box Collider拼接往往能得到更干净、连续的导航网格。烘焙完成后务必使用一个简单的NavMeshAgent进行测试看其能否在场景中自由移动。3.2 NavMeshAgent组件详解与初始配置为你的AI角色预制体添加NavMeshAgent组件。这是AI移动的“执行器”。以下是一些关键参数的配置思路Speed, Angular Speed, Acceleration分别控制移动速度、转身速度和加速度。根据你的AI类型缓慢的守卫、敏捷的刺客设置不同的值。高加速度和角速度能让AI移动显得更灵敏。Stopping Distance停止距离。当AI到达目标点此距离范围内时就会认为已到达并停止。对于巡逻点可以设一个较小值如0.1对于攻击玩家可以设为攻击距离。Auto Braking是否自动刹车。如果勾选在接近目标时会减速移动更平滑。如果取消勾选AI会以恒定速度冲向目标点在到达的瞬间急停适合需要快速反应的场景。Radius, Height需要与烘焙导航网格时设置的参数匹配或略小以确保AI能走在生成的网格上。Obstacle Avoidance避障质量。设置AI在移动时避开其他NavMeshAgent即其他AI的能力。优先级Priority低的AI会为优先级高的AI让路。这在多AI场景中至关重要能防止它们卡在一起。一个基础的巡逻脚本框架如下using UnityEngine; using UnityEngine.AI; public class BasicPatrolAI : MonoBehaviour { public Transform[] patrolPoints; // 巡逻点数组 private NavMeshAgent agent; private int currentPatrolIndex 0; private bool isPatrolling true; void Start() { agent GetComponentNavMeshAgent(); if (patrolPoints.Length 0) { MoveToNextPoint(); } } void Update() { // 如果正在巡逻且到达了当前目标点就前往下一个点 if (isPatrolling !agent.pathPending agent.remainingDistance agent.stoppingDistance) { // 可以在这里加入一个短暂的等待时间让AI在点位上停留观察 // yield return new WaitForSeconds(waitTime); MoveToNextPoint(); } } void MoveToNextPoint() { if (patrolPoints.Length 0) return; // 设置下一个目标点 agent.destination patrolPoints[currentPatrolIndex].position; // 更新索引循环巡逻 currentPatrolIndex (currentPatrolIndex 1) % patrolPoints.Length; } // 可以被外部调用来中断巡逻前往新目标如响应警报 public void SetNewDestination(Vector3 target) { isPatrolling false; agent.destination target; } }4. 实现多角色智能分路巡逻简单的顺序巡逻点循环很容易被玩家摸透。我们需要更智能的分路逻辑。4.1 基于区域的职责分配与其为每个AI分配固定的点序列不如为它们分配“责任区域”。我们可以将整个导航网格在逻辑上划分为多个区域例如使用空物体标记区域中心或使用NavMeshModifierVolume定义区域。创建巡逻区域管理器一个中心化的管理器如PatrolZoneManager负责管理所有定义好的巡逻区域及其状态例如是否有AI在该区域巡逻、该区域最近被巡查的时间。为AI分配初始区域游戏开始时管理器根据AI的数量和区域的权重为每个AI分配一个主巡逻区域。分配算法可以考虑区域的重要性、大小以及确保区域覆盖相对均衡。动态区域重分配当一个AI离开其主区域去响应全局事件如警报时管理器应将该区域标记为“无人值守”。如果无人值守时间过长管理器可以命令另一个空闲的或次要区域的AI临时接管该区域的巡逻。这模拟了守卫换岗或补位的逻辑。4.2 引入随机性与不可预测性完全规律的巡逻依然存在被预测的风险。我们需要注入随机性巡逻点顺序随机在区域内巡逻时AI不是按固定顺序访问点而是从该区域的点列表中随机挑选下一个目标但确保在一定周期内覆盖所有点。巡逻中插入停顿与观察在到达一个巡逻点后AI有概率执行一个“观察”行为播放一个转身扫视的动画并短暂停留几秒。这大大增加了玩家穿越其视野时的风险。偶尔跨区域巡逻有低概率AI会临时决定巡逻一下相邻的区域然后再返回自己的主区域。这打破了严格的区域边界让玩家更难把握安全时机。代码示例增强的巡逻逻辑public class AdvancedPatrolAI : MonoBehaviour { // ... 其他变量 ... public PatrolZone assignedZone; // 分配到的巡逻区域 private ListTransform zonePatrolPoints new ListTransform(); private bool isObserving false; void Update() { if (isObserving) return; // 观察中不移动 if (!agent.pathPending agent.remainingDistance agent.stoppingDistance) { if (!isPatrolling) { // 如果是因为响应事件到达了目标可以判断事件是否处理完毕然后返回巡逻 ReturnToPatrol(); } else { // 巡逻状态下到达点 StartCoroutine(ObserveAndMoveToNextPoint()); } } } IEnumerator ObserveAndMoveToNextPoint() { // 有30%概率进行观察 if (Random.value 0.3f zonePatrolPoints.Count 1) { isObserving true; // 触发观察动画 animator.SetTrigger(Observe); yield return new WaitForSeconds(Random.Range(2f, 5f)); // 随机观察2-5秒 isObserving false; } // 从区域点列表中随机选择下一个点避免重复刚离开的点 Transform nextPoint GetRandomPatrolPointExcludingCurrent(); agent.destination nextPoint.position; } private Transform GetRandomPatrolPointExcludingCurrent() { if (zonePatrolPoints.Count 1) return zonePatrolPoints[0]; // 简单实现创建一个临时列表排除当前目标点然后随机选择 // 更优方案是记录上一个点索引 // ... } }5. 动态响应与事件驱动目标切换静态巡逻的AI是“瞎子”和“聋子”。我们需要让它们能感知游戏世界的变化并做出反应。5.1 构建事件系统创建一个全局或区域性的游戏事件管理器GameEventSystem。它可以基于观察者模式或C#的event/Action。public static class GameEventManager { // 定义警报事件参数可以是事件位置、事件类型、紧急程度等 public static event ActionVector3, AlarmType OnAlarmTriggered; public static void TriggerAlarm(Vector3 location, AlarmType type) { OnAlarmTriggered?.Invoke(location, type); } } public enum AlarmType { Sound, Visual, Sabotage }当玩家触发警报器、开枪、或进行破坏任务时调用GameEventManager.TriggerAlarm(position, type)。5.2 AI的事件监听与决策在每个AI的脚本中订阅这个全局事件。public class ResponsiveAI : AdvancedPatrolAI { public float alarmResponseRadius 20f; // 响应警报的范围 public AlarmType[] responseAlarmTypes; // 响应的警报类型 void OnEnable() { GameEventManager.OnAlarmTriggered HandleAlarm; } void OnDisable() { GameEventManager.OnAlarmTriggered - HandleAlarm; } void HandleAlarm(Vector3 alarmLocation, AlarmType type) { // 1. 检查警报类型是否在关心范围内 if (!responseAlarmTypes.Contains(type)) return; // 2. 检查距离是否在响应范围内 if (Vector3.Distance(transform.position, alarmLocation) alarmResponseRadius) return; // 3. 决策是否中断当前行为去响应 // 可以加入一些随机因素或AI状态判断如是否正在追逐其他目标 if (ShouldRespondToAlarm()) { // 4. 设置新目标为警报地点 InterruptCurrentAction(); agent.destination alarmLocation; isPatrolling false; // 可以切换到“警戒”或“奔跑”状态动画 animator.SetBool(IsAlerted, true); } } private bool ShouldRespondToAlarm() { // 这里可以加入更复杂的决策逻辑例如 // - 如果正在执行重要任务如看守人质则不响应。 // - 根据AI的“好奇心”或“职责”属性有概率响应。 // - 如果已经有足够多的AI前往该地点则本AI不响应。 return true; // 简化版总是响应 } private void ReturnToPatrol() { // 到达警报点后如果没有发现异常过一段时间后返回巡逻 StartCoroutine(InvestigateAndReturn()); } IEnumerator InvestigateAndReturn() { // 在警报点观察一段时间 yield return new WaitForSeconds(5f); // 切换回巡逻状态并回到自己的巡逻区域 isPatrolling true; animator.SetBool(IsAlerted, false); // 寻找最近的本区域巡逻点 MoveToNearestPointInZone(); } }通过这套系统AI世界就“活”了起来。一个地方的异常会像涟漪一样扩散吸引附近的AI前来调查极大地增强了游戏的动态性和真实感。6. 区域封锁与动态导航网格的核心实现这是模仿《Among Us》中关门、破坏核心设施等玩法的核心技术。其本质是在运行时修改导航网格。6.1 使用NavMeshObstacle实现简单封锁对于像门这样需要打开/关闭的物体最直接的方法是使用NavMeshObstacle组件。创建可开关的门为一个门物体添加NavMeshObstacle组件。配置NavMeshObstacleShape根据门模型选择Box或Capsule。Carve必须勾选此选项。这是关键它指示该障碍物会“雕刻”导航网格即在导航网格上挖出一个洞使Agent无法通过。Move Threshold当障碍物移动距离超过此值时才会触发导航网格更新。对于开关门可以设置一个较小的值。Time To Stationary障碍物停止移动后等待多久才将其视为静止并更新网格。可以设短一些如0.1秒。通过脚本控制通过脚本控制门的NavMeshObstacle.enabled属性。当门关闭时启用障碍物enabled true导航网格被雕刻路径被阻断。当门打开时禁用障碍物enabled false导航网格恢复路径畅通。优点实现简单性能开销相对较小适合数量不多的、形状规则的动态障碍物。缺点NavMeshObstacle雕刻出的洞是近似形状通常是包围盒对于复杂形状的障碍物不够精确。且大量动态障碍物会带来较多的网格更新开销。6.2 使用NavMeshModifierVolume实现复杂区域封锁对于更大的、不规则形状的区域封锁例如拉下闸门封锁整个走廊或放置一个大型路障NavMeshModifierVolume更合适。创建封锁区域预制体创建一个空的GameObject添加NavMeshModifierVolume组件。设置体积调整NavMeshModifierVolume的Size使其完全覆盖你想要封锁的区域如整个走廊截面。设置区域类型在Area下拉菜单中选择一个区域类型例如我们自定义一个名为Blocked的区域。在Navigation窗口的Areas标签页将Blocked区域的Cost设置为一个极高的值如10000或者直接将其标记为Not Walkable。动态启用/禁用默认情况下该Volume是生效的会覆盖其体积内的导航网格区域。我们可以通过脚本控制其enabled属性或直接激活/禁用整个GameObject来实现动态封锁。public class DynamicBarrier : MonoBehaviour { private NavMeshModifierVolume volume; public bool isBlocking false; void Start() { volume GetComponentNavMeshModifierVolume(); SetBlocking(isBlocking); } public void SetBlocking(bool block) { isBlocking block; volume.enabled block; // 启用Volume即应用封锁区域 // 或者 gameObject.SetActive(block); // 重要通知Navigation系统更新受影响的代理 // 对于ModifierVolume通常需要手动更新 UpdateNavMeshForAgents(); } void UpdateNavMeshForAgents() { // 找到所有可能受影响的NavMeshAgent让它们重新计算路径 // 一种简单但粗糙的方式是让所有Agent都重新设置一次目标 // 更高效的方式是使用NavMesh.UpdateLinkedNavMesh或让Agent在进入该区域时自动处理 // 这里演示一个通知所有Agent的简单方法适用于小规模场景 var allAgents FindObjectsOfTypeNavMeshAgent(); foreach (var agent in allAgents) { if (agent.isOnNavMesh) { agent.ResetPath(); // 重置路径Agent会在下一帧自动重新寻路到当前目标 } } } }6.3 高级应用基于网格分块的动态导航烘焙对于超大规模的动态地形改变例如可破坏的墙壁、移动的平台上述两种方法可能不够。这时可以考虑动态导航网格烘焙Runtime NavMesh Baking。Unity提供了NavMeshBuilderAPI允许在运行时烘焙导航网格。我们可以将地图预先分割成多个“导航网格块NavMesh Chunk”。当某个块内的几何体发生改变时如一堵墙被炸毁我们只重新烘焙这个块然后将其与周围未改变的块拼接起来。实现思路将场景的可行走表面在编辑时分割成逻辑上的网格块。为每个块预定义一个NavMeshData对象或存储其原始静态物体列表。运行时当某个块需要更新时收集该块内所有当前有效的NavMeshSource通常是带NavMeshModifier的Mesh调用NavMeshBuilder.BuildNavMeshDataAsync异步构建该块的导航网格数据。使用NavMesh.AddNavMeshData和NavMesh.RemoveNavMeshData来动态添加或移除这个块的导航数据。重要提示运行时烘焙是性能开销较大的操作必须谨慎使用。务必进行异步烘焙并限制每帧更新的块数量。通常只用于低频、重大的地图变化。7. 协同与策略让AI学会“围堵”多个AI如果只是各自为战那么它们只是独立的威胁。当它们学会协同威胁将成倍增加。7.1 简单的信息共享警报传播当一个AI直接发现了玩家通过视觉或听觉触发器除了自己进入追逐状态它还可以向其他AI“广播”这一信息。public class CommunicatingAI : ResponsiveAI { public float communicationRange 15f; public void OnPlayerSpotted(Vector3 playerPosition) { // 自己先响应 ChasePlayer(playerPosition); // 向周围AI广播 Collider[] nearbyColliders Physics.OverlapSphere(transform.position, communicationRange); foreach (var collider in nearbyColliders) { CommunicatingAI otherAI collider.GetComponentCommunicatingAI(); if (otherAI ! null otherAI ! this) { // 可以传递更多信息如发现者ID、玩家最后已知位置等 otherAI.ReceivePlayerSighting(playerPosition); } } } private void ReceivePlayerSighting(Vector3 playerPos) { // 接收到信息后决策是否前往支援 if (IsAvailableForSupport()) { InterruptCurrentAction(); // 不一定直接去玩家位置可以去玩家可能逃跑的路径上进行拦截 Vector3 interceptPoint CalculateInterceptPoint(playerPos); agent.destination interceptPoint; } } private Vector3 CalculateInterceptPoint(Vector3 playerPos) { // 简单的拦截逻辑预测玩家可能逃向的方向如最近的出口然后让AI前往那个方向上的一个点 // 这里可以引入更复杂的预测算法 Vector3 directionToExit (FindNearestExit() - playerPos).normalized; return playerPos directionToExit * 5f; // 在玩家前方5米处拦截 } }7.2 分路包抄策略当多个AI同时追逐一个玩家时让它们都朝玩家当前位置移动是最蠢的策略玩家很容易溜走。更好的策略是分路包抄。确定包抄者与追击者当两个以上AI响应同一目标时可以动态分配角色。距离玩家最近的一个AI作为“主追击者”直接奔向玩家。其他AI则成为“包抄者”。计算包抄点包抄者的目标不是玩家当前位置而是玩家可能逃往的方向。这需要一些预测基于出口计算玩家到各个已知出口或安全屋的方向包抄者前往离玩家最近的出口进行封锁。基于玩家移动方向记录玩家最近几帧的位置计算其移动向量。包抄者可以前往玩家移动方向的前方某个位置进行拦截。动态角色切换如果玩家突然调头原来的“包抄者”可能变成新的“追击者”角色需要动态切换。public class TacticalAI : CommunicatingAI { private Transform currentTargetPlayer; private AIRole currentRole AIRole.Patrol; enum AIRole { Patrol, Chaser, Flanker } public void EngagePlayer(Transform player, bool isPrimaryChaser) { currentTargetPlayer player; currentRole isPrimaryChaser ? AIRole.Chaser : AIRole.Flanker; if (currentRole AIRole.Chaser) { // 直接追逐 agent.destination player.position; } else if (currentRole AIRole.Flanker) { // 计算包抄点 Vector3 flankPosition CalculateFlankPosition(player.position, player.GetComponentPlayerMovement().GetAverageVelocity()); agent.destination flankPosition; } } void Update() { if (currentTargetPlayer ! null) { if (currentRole AIRole.Chaser) { // 持续更新目标为玩家当前位置 agent.destination currentTargetPlayer.position; } else if (currentRole AIRole.Flanker) { // 如果包抄者已经到达预定包抄点附近可以切换为追逐或者寻找下一个拦截点 if (!agent.pathPending agent.remainingDistance agent.stoppingDistance) { // 重新评估是继续包抄还是加入追逐 if (Vector3.Distance(transform.position, currentTargetPlayer.position) 10f) { currentRole AIRole.Chaser; } else { // 计算新的包抄点 agent.destination CalculateFlankPosition(currentTargetPlayer.position, ...); } } } } // ... 原有的巡逻逻辑 ... } }通过引入这些协同策略AI就从一群独立的个体变成了一个有简单战术思维的“团队”给玩家带来的压迫感和挑战性会显著提升。8. 性能优化与常见问题排查一套功能丰富的动态AI系统对性能可能有较高要求。以下是一些优化和排查技巧。8.1 性能优化要点代理数量管理NavMeshAgent是有开销的尤其是避障计算。严格控制同屏活跃的Agent数量。对于远处的、屏幕外的AI可以降低其更新频率如每2-3帧更新一次寻路甚至暂停其NavMeshAgentagent.isStopped true。避障质量分级不是所有AI都需要高精度的避障。对于背景中闲逛的NPC可以将其NavMeshAgent的obstacleAvoidanceType设置为NoObstacleAvoidance或LowQualityObstacleAvoidance将计算资源留给重要的追击型AI。动态导航更新频率对于NavMeshObstacle合理设置Carve Move Threshold和Time To Stationary。不要因为物体的微小抖动如因物理引擎导致的轻微晃动而频繁触发网格更新。对于NavMeshModifierVolume的启用/禁用可以尝试在几帧内延迟或批量处理更新请求。使用代理层级Agent Type在Navigation窗口的Agents标签页可以定义多种Agent类型如Human, SmallAnimal。每种类型可以有不同的半径、高度、坡度等参数。为不同大小的AI设置不同的类型并烘焙对应的导航网格可以避免小体型AI使用为大体型AI烘焙的宽松网格从而找到更精确的路径。路径查询优化NavMeshAgent.SetDestination()会立即进行一次路径计算。如果一帧内有大量AI同时设置目标例如响应同一个警报可能会造成卡顿。可以考虑使用路径查询队列将寻路请求分散到多帧完成。8.2 常见问题与解决方案实录问题1AI在角落或门口卡住不停抖动。原因通常是Stopping Distance设置过小或者多个AI的Radius之和大于通道宽度在避障时互相卡住。解决适当增加Stopping Distance让AI在距离目标点还有一段距离时就“认为”自己到达了。检查导航网格烘焙的Agent Radius是否与AI实际NavMeshAgent的Radius匹配。确保通道宽度至少能容纳一个AI通过。对于门口等狭窄区域可以考虑在代码中做特殊处理当AI目标在门另一侧时先让AI移动到门前的一个“等待点”再穿门而过。问题2AI无法找到有效路径agent.pathStatus为NavMeshPathStatus.PathInvalid。原因目标点不在导航网格上或者起点与目标点之间被NavMeshObstacle或NavMeshModifierVolume完全隔断。解决在调用SetDestination前使用NavMesh.SamplePosition来将任意一个世界坐标“投影”到最近的导航网格点上用这个点作为目标。使用NavMesh.CalculatePath预先计算路径检查其状态是否有效无效则采取备用方案如寻找一个中间点。确保动态障碍物在启用时没有把AI完全困在一个没有出口的封闭空间里。问题3动态障碍物启用后AI不更新路径径直撞上去。原因NavMeshObstacle的Carve功能虽然会更新导航网格但已经正在移动的NavMeshAgent其内部路径不会自动重新计算。解决在启用障碍物的同时手动通知受影响的AI重新寻路。可以像前面示例一样调用agent.ResetPath()或者重新设置一次目标agent.destination agent.destination。更优雅的方式是使用NavMeshAgent的UpdateUpPath()方法如果可用或利用NavMeshAgent的autoRepath属性设为true时Agent会在当前路径变得无效时自动尝试重新寻路。问题4烘焙的导航网格在复杂地形如楼梯、斜坡上有缺口或不平滑。原因模型碰撞体不连续或者烘焙参数如Max Slope,Step Height设置不当。解决对于楼梯最好的做法是使用一个倾斜的斜坡模型带碰撞体来代替多个台阶或者确保每个台阶的模型和碰撞体都紧密连接。调整烘焙参数适当增加Max Slope和Step Height。在复杂地形处手动放置NavMeshModifierVolume将其区域类型设置为Walkable强制覆盖该区域。实现这样一套系统是一个迭代的过程。从最基本的巡逻开始逐步加入动态响应、区域封锁和协同策略。每增加一个功能都要进行充分的测试观察AI行为是否合理性能是否可接受。最终你会得到一群不再是背景板而是能与玩家进行动态、智能互动的“对手”这无疑会为你游戏的沉浸感和可玩性带来质的飞跃。
