扒一扒天之游《王者军团》你所不知道的黑科技 第三辑
发布时间：2017-03-29 10:17:05 来源：天之游 作者：tnyoo
文章简介：每款优秀的游戏都凝结着游戏策划、技术、程序猿、美术师智慧与创新的结晶。前两期“黑科技”专题介绍了天之游《王者军团》中“百万级Server+服务端”、“体素化技术”以及“可控UDT+通讯技术”，本期我们来聊一聊游戏中更高大上的AI技术。
天之游《王者军团》精致的人物设计、次世代的游戏画面、宏大的故事背景给封测玩家留下了深刻印象。作为FPS与MOBA元素首次移动平台的融合尝试，天之游深知《王者军团》寄托着玩家的重望。临近第三次封测，天之游研发团队正加紧备战，优化手感、完善细节、创新游戏玩法、丰富地图与英雄。特别感谢在此期间，通过各渠道向天之游建言献策的热心粉丝们，《王者军团》在你们的帮助下，正日趋完善！
每款优秀的游戏背后，都凝聚着游戏策划、技术大牛、程序猿、美术师智慧的结晶与思维的碰撞。连续两期“扒一扒天之游《王者军团》你所不的黑科技”发表后，游戏玩家纷纷点赞，期盼《王者军团》下一次封测。小编在这里对热心的你们表示由衷感谢！前两期“黑科技”专题介绍了天之游在《王者军团》中使用的“百万级Server+服务端”、“体素化技术”以及“可控UDT+通讯技术”，本期我们来聊一聊游戏中更高大上的AI技术。
现在大红大紫人工智能AI(ArtificialIntelligence)，是指利用电脑模拟类生命智力及情感的程序，在游戏AI分支中也有很长历史了。从人机游戏诞生起，游戏AI作为非玩家控制角色就被置于重要地位，包括游戏中与玩家对抗的CPU对手、推动情节发展的NPC、配合进攻的虚拟队友、RTS游戏中自防御单位等。限于当时的电脑运算能力及仿真水平，游戏AI不得不遵循预先编写好的简单逻辑算法，不少AI显得稚嫩刻板，有的甚至还暗留不少BUG（据说部分无意BUG还引发了玩家津津乐道的喜剧效果），但依然有玩家乐此不疲玩耍着游戏中的各种AI，涌现出一批诸如走位、卡墙、脚本刷Bug等神玩法，也给玩家们带来了无数的乐趣。
如今，随着大数据分析的盛行及人工智能的发展，游戏内的AI也高速发展。在棋牌竞技界，甚至出现了像阿尔法围棋（Alha Go）这样的模仿人类棋手，依靠神经网络、深度学习、蒙特卡洛搜索等新技术战胜人类最顶尖高手的人工智能程序。
然而，在游戏中为保证游戏的趣味性，游戏AI并非提升智商那么简单，要考虑更多因素。如果AI设计智商过高，电脑表现太强，会导致玩家失去乐趣，认为电脑在作弊。毕竟玩家需要的是一种在渐进难度下，熟练度不断提升而完成每个挑战，获得奖励满足和喜悦感的体验过程；同样，游戏AI又不能设计得过于简单，一旦被发现规律，玩家便觉得单调、乏味，丧失了挑战和趣味性，开发者为此伤透脑筋。策略游戏精典《文明》、《铁路大亨》的策划者，素有“游戏界的泰斗”和“AI策略设计大师”称号的席德·梅尔坦言，好的AI设计的思路应结合游戏心理，为玩家提供足够扎实的竞争，同时又能让玩家感到自己取得了进展。玩家应该觉得AI在一定程度上可以预测，虽然打法稳健，但是并不算高明，而真正的高招都来自玩家。
天之游《王者军团》在游戏规划时，就提出了AI需求。一方面是来自测试，游戏开发过程中，为减少机械而繁琐的人工测试并提高效率，需要借助AI对各功能模块遍历测试，并留下详尽的日志；为测试百万级服务端Server+的承载，也需模拟大批玩家的登录与游戏操作，如果没有AI则必须以成本更高的真人实测替代。此外，后续人机竞技玩法，也提出设计不同级别AI的要求。
对于游戏AI来说，设计难度从高到底依次为竞技>FPS>MMO。而天之游《王者军团》属于FPS+MOBA电竞游戏，更强调团队配合与角色技能组合。在进攻中，充当潜入、先遣作用的先锋和哨兵英雄，在辅助英雄的补给配合下，才能把控场上优势；而在防守中，还需要肉盾、堡垒英雄稳住防线、火力吸引。所以《王者军团》中的AI，特别是中高难度的AI，需要具备职业玩家素质，利用实际地形躲闪、变换走位、判断各技能冷却间隙、恰当时机使用攻击或辅助技能，并根据战场形势，做出进攻、防守、撤退、救护等判断······这样的AI开发难度并不低。
在游戏领域，常见的AI实现方法包括有限状态机和决策行为树。所谓有限状态机（Finite-statemachine,FSM），是表示有限个状态以及在这些状态之间的转移和动作等行为的模型。基于规则设定，AI会根据目前状态及所面对情况，选择应对方式，并从一个状态转移至下一状态（如待命、技能、追击、躲避、撤退等），而状态与状态之间构成链接的网状，如此循环。比如在攻击状态时，遇到血量不足时，AI会利用大招掩护寻找血包补血或退出交火区域，等血量回升，又冲向战场杀敌。而辅助型英雄AI会根据队友血量在补血与助攻中变换。这都是AI在不同状态间转移的表现。所以，精细AI的有限状态机需要考虑各种可能的情况，将不同应对策略都录入其中。但任何复杂的AI程序设计，都不足以概括所有的情况。随着游戏内容增加和复杂度提升，状态机数量不断扩大，其逻辑越来越复杂，而且多层状态相叠，在事无巨细的写入各种环境、角色交互等输入参数后，AI程序结构将异常复杂，为修改和优化带来困难，更容易出现各种让人哭笑不得的Bug。
行为树法（BehaviorTree）为简化程序结构而提出，根据树形枚举所有可能的行为分支，然后让AI沿着规定好的路径运动。早期的下棋软件就是这种枚举法的产物，电脑棋手其实完全不棋盘上落子的意义，只是跟着设计师设计好的动作应对对手的棋路。行为树可以方便地把复杂的AI知识条目组织得非常直观。可是这种方法也需要提前预设数量极为庞大的判断策略。一句话，看似智能的AI行为，实际上都是剧情设计师规定好的。
这种预先设定好的AI行为，最终会被玩家发现规律，总结出应对方法，几轮之后玩家 