游戏AI - 标签 - 研发日志 · R&D Log

行为树算法

Sun, 14 Sep 2025 00:00:00 +0800

行为树（Behavior Tree）是一种用于描述 AI 行为的树状数据结构，通过节点之间的层次关系来组织复杂的行为逻辑。它最初在游戏 AI 领域流行，后被广泛应用于机器人决策系统，逐渐成为替代传统有限状态机（FSM）的通用方案。

GOAP(Goal-Oriented Action Planning)算法

Sat, 13 Sep 2025 00:00:00 +0800

GOAP 概述

GOAP(Goal-Oriented Action Planning，目标导向行动规划)是一种基于目标的智能决策算法，常用于游戏 AI、机器人控制等领域。它由 Jeff Orkin 在 Monolith Productions 开发游戏《F.E.A.R.》(2005)时系统化提出，并在 GDC 2006 的演讲《Three States and a Plan: The A.I. of F.E.A.R.》中介绍给业界，此后成为游戏 AI 的经典规划范式之一。

游戏强化训练

Sun, 12 Jan 2025 00:00:00 +0800

游戏是强化学习(Reinforcement Learning, RL)最经典也最成熟的实验场。规则清晰、状态可观测、奖励可量化、能够无限次对弈——这些特性让棋类、电子竞技、Atari 游戏成为验证 RL 算法的天然沙盒。本文梳理「游戏强化训练」涉及的核心概念、关键里程碑、主流框架,以及代表性开源复现项目。