60. UE5 RPG 使用场景查询系统(EQS,Environment Query System)实现远程敌人寻找攻击位置

UE的Environment Query System(EQS)是环境查询系统,它是UE4和UE5中用于AI决策制定过程中的数据采集和处理的一个强大工具。EQS可以收集场景中相关的数据,利用生成器(Generator)针对用户的测试(Test)去筛选符合用户提出条件的最佳项目(Item)。

EQS允许开发者设置多种查询条件和测试,以评估游戏世界中的对象和环境。它提供了可视化的测试结果,便于开发者调试和优化查询。EQS常用于AI决策制定,如寻找最佳路径、选择攻击目标或找到安全位置等。

EQS的实现原理是将场景环境划分成多个点或按场景元素Actor进行划分,然后按照相应的设定规则对划分项进行打分,最后得分最高的Item即为系统所找到的最优查询结果。EQS将这个最优查询结果告知AI,AI行为树则会对来其进行相应的决策及执行。

接下来,我们要通过EQS去实现远程敌人在于玩家中间有物体遮挡时,将会主动移动到合理的位置,进行攻击。实现这个功能过程,我们将使用到EQS的功能,对敌人周围点进行测试,首先测试出来没有被遮挡的位置,然后测试出比较方便移动的位置。

如果需要查看官方文档,请前往此处 https://dev.epicgames.com/documentation/zh-cn/unreal-engine/environment-query-system-node-reference-in-unreal-engine?application_version=5.3

创建EQS

接下来,我们先创建对应所需文件,由于AI相关的内容比较多,我们先分好文件夹,将对应的内容放置到对应的文件夹中,接着创建EQS文件夹。

创建完成后,我们打开EQS文件夹,创建场景查询

我们将其命名为EQ_FindRangedAttackPosition

接下来,我们创建一个专门用于测试使用的Pawn,它是系统内置的,方便我们调试使用。

接下来方便测试,我们创建一个新场景,选择新建关卡

创建一个基础的关卡

选择保存关卡

保存到我们的Map文件夹

接下来将我们制作的测试Pawn拖入到场景中,它将只显示一个胶囊碰撞体,没有其它内容显示

我们选中测试Pawn,将我们创建查询模板设置给它

这样就实现了测试使用的场景,后续我们在查询模板内实现对应的功能,就可以在测试场景里面查看。

添加生成器

我们打开场景查询器,发现里面只有一个根,下拉需要我们添加一个生成器。Generators是用于生成潜在查询目标或位置的核心组件。

  • Actors Of Class 此类Generator的目的是寻找某一类特定的Actor。你可以指定要寻找的Actor种类,并设置搜索半径等参数来限制搜索范围。

  • Composite 复合Generator,允许你将两种或多种不同的Generator组合起来,使它们同时生效。

  • Current Location 使用当前位置作为采样点。当前位置可以使用Context进行选取,或是询问者自己,或是Context中返回的内容

  • Perceived Actors 通过感知组件去寻找某一类型的Actor,相当于Actors Of Class的扩展版本。

  • Points:此类型Generator会在一定的范围内遍历若干个点,并筛选其中满足Test条件的点。

  1. Points Circle 环形生成器。选取方式使用参考点(一般是询问者,或是Context提供的数据)向四周转圈发射射线。如果触碰到任何物体则将碰撞位置作为采样点,如无碰撞则以设定最大半径为采样点。可以设定半径和发射间隔角度

  2. Points Cone 锥形生成器

  3. Points Donut 环状生成器,区别于Circle,此生成器如同水波,一层一层向外扩散,直到最大半径

  4. Points Grid 简单的格子生成器,不对采样点进行路径规则校验,不可达位置也将被收集。收集方式:以参照位置(一般是询问者)为基准,垂直向上向下进行导航投射,如有导航覆盖,则返回采样点。

  5. Points Pathing Grid 格子生成器,采样点必须是导航可达,需要满足导航规则校验。收集方式:以参照位置(一般是询问者)为基准,垂直向上向下进行导航投射,如有导航覆盖并且参照位置可达,则返回采样点。

我们要实现敌人AI如果攻击目标前方有障碍物阻挡攻击路线时,能够切换位置去攻击,那么,我们将Points Pathing Grid 节点去实现遍历它附近的可导航到的位置点,然后进行攻击。

参数这里按需要调整

生成的点的数量影响结果以及效率,所以,需要我们按需去设置合理的参数

对点进行检测

前面,我们生成了周围的可移动的点,接下来,我们要实现对这些点进行检测,查找出一个最合理的点,让敌人可以移动到目标位置进行攻击。

再生成节点上面,提示我们鼠标右键点击添加测试。

接下来,我将从官网截图来解释每个测试的功能

  • Distance 距离测试节点,将选择器选取的点用给予和参照内容进行距离测试。距离越远则分值越大,如果希望越近分值越大请调整Score中的Scoring Equation,将线性递增改为递减(Inverse Linear)

  • Dot 使用点乘的方式,为选取点打分,值域范围0-1(点乘有负数,打分无负数,正面为1,背面为0,呈现扇形左右递增向1)。也可以对结果进行绝对值设定(勾选Absolute Value,结果为点乘后绝对值值域0-1,正面1,背面1,左右两边0)。点乘中的向量选取可以使用两点方式或是Rotation方式。

  • Gameplay Tags 使用标签进行询问测试 GamePlay Tags本身是为Actor查询操作提供分层,一般用于查询。

  • Overlap 在采样点,使用通道检测方式,返回是否有符合通道标记的内容存在。如存在返回1,反之返回0。检测形状,Box,Sphere,Capsule。用于检测查询某一个点附近是否存在某一样东西。

  • Pathfinding 将采样点与内容进行导航寻路器测试,可达则分数1,不可达为0。它将用于最终测试点生成,返回一个可达测试点。

  • Pathfinding Batch 将采样点与内容进行导航寻路器测试,可达则分数1,不可达为0。它会返回所有可达点,供下个测试项目使用。

  • Project 投射测试。可以用来修正生成器采样点位置。两种模式:导航投射,在采样点为基准,垂直向上向下进行导航检测,碰到导航覆盖点则修正采样点位置。形状检测,不考虑导航,只要在通道碰撞成立,则修正采样点到新的位置。

  • Trace 射线测试。用来测试采样点,到Context参照点之间是否存在遮挡,这是重要节点,一般可以用来寻找可以用来躲避的采样点(从采样点到敌人之间存在遮挡则认定可以躲避)。存在遮挡分数为1,不存在为0。注意:需要考虑高度问题,采样点一般均在地面,从地面直接发射射线到Context可能会出现被非常矮的物体阻挡,可以通过调整Height Offset解决此问题。

添加测试

前面我们讲解了每个测试节点的功能,接下来,我们将实现敌人寻找位置的功能。我们需要对所有的点进行检测,首先就是筛选掉那些无法查看到目标的点,然后将点和敌人进行距离判断,获取到一个最近的点,就是敌人需要移动到的攻击点位。

我们先添加一个Trace测试,这个测试用于检查AI是否能够直接看到目标,相当于射线检测。

在测试目的这里,有三个选项

它们的功能是筛选和评优先级

在检测这里,现在我们还是对AI所有者进行检测,被墙壁阻挡的点是无法通过筛选的。

但是我们需要筛选的目标不是AI持有者,而是玩家目标,引擎内置了两个选项

所以我们需要自定义一个用于获取玩家目标的,我们创建一个蓝图,继承至EnvQueryContext_BlueprintBase

将其命名为EQS_PlayerContext

我们需要重载内置的函数来实现返回,在需要调用时去实现调用

  • 提供单一位置:将由开发者自己定义一个位置返回。
  • 提供单一Actor:将有开发者提供一个可放置到场景中的对象返回
  • 提供位置集:需要返回一个位置数组
  • 提供Actor集:需要返回一个Actor数组

我们需要的是将玩家角色返回,所以重载提供Actor集

我们通过GetAllActorsOfClass在场景中寻找指定类的Actor,返回即可。

设置使用我们的情景

打开测试场景,发现,有些点被墙壁格挡无法查看到角色

由于红色才是留下来的点,所以,我们可以选择布尔匹配

接下来,我们使用距离测试来获取到最佳的移动点位,设置值评优先级,计算和AI的距离

我们会发现没有过滤的点上面都有优先级,点越绿,数值越高,优先级也就越高

所以我们将得分因数修改为-1

得到了我们理想的位置

在行为树中实现远程攻击

我们在远程攻击下面添加一个Run EQSQuery

查询模板设置我们创建的环境检测器,黑板健设置接收数据的健

然后增加一个MoveTo任务,移动到攻击位置

接着调用攻击,然后等待,我们就可以测试效果了。

现在,敌人自动躲避障碍物进行攻击,设置如果其他Actor遮挡了,也能够移动寻找不被躲避的位置。

相关推荐
华清远见IT开放实验室6 分钟前
【每天学点AI】实战图像增强技术在人工智能图像处理中的应用
图像处理·人工智能·python·opencv·计算机视觉
OpenVINO 中文社区15 分钟前
实战精选|如何使用 OpenVINO™ 在 ElectronJS 中创建桌面应用程序
人工智能·openvino
只怕自己不够好20 分钟前
《OpenCV 图像缩放、翻转与变换全攻略:从基础操作到高级应用实战》
人工智能·opencv·计算机视觉
网络研究院26 分钟前
国土安全部发布关键基础设施安全人工智能框架
人工智能·安全·框架·关键基础设施
不去幼儿园2 小时前
【MARL】深入理解多智能体近端策略优化(MAPPO)算法与调参
人工智能·python·算法·机器学习·强化学习
想成为高手4992 小时前
生成式AI在教育技术中的应用:变革与创新
人工智能·aigc
YSGZJJ3 小时前
股指期货的套保策略如何精准选择和规避风险?
人工智能·区块链
无脑敲代码,bug漫天飞3 小时前
COR 损失函数
人工智能·机器学习
HPC_fac130520678164 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
小陈phd6 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉