Unity实现10万人同屏动态避障和导航寻路系统支持3D地形

Unity万人同屏插件

插件核心功能图

万人同屏插件是一款通用的Unity性能优化插件，是实现千人同屏、万人同屏的必备插件，直击性能消耗痛点功能，将2D Spine和3D动画性能十倍至百倍提升，Jobs多线程移动避让和索敌算法，以及兼容全平台的高性能渲染器。

万人同屏插件兼容Unity全平台，包括WebGL(2.0)，微信/抖音小游戏等平台同样大幅性能翻倍

Unity万人同屏插件功能性能演示

Unity万人同屏集成方案Pro 支持微信小游戏https://efunstudio.cn/

性能/功能/红蓝对抗测试Demo Web在线体验https://assets.efunstudio.cn/

十万单位红蓝对抗多兵种战斗弹幕游戏项目模板

网页版在线测试性能：

▷幸存者Demo

▷性能测试Demo

正文

https://www.bilibili.com/video/BV1ZeqwBtESs/

本文聚焦一个明确目标：在Unity中实现"10万人同屏动态避障 + 导航寻路 + 3D地形支持"。核心思路是以多线程Jobs的RVO（局部动态避障）为基础，再引入Jobs并行的跳点寻路（JPS）做批量路径查询，最后扩展RVOAgent使其能沿路径点移动，同时通过高度图把地形高度同步给RVO单位，实现真实3D地形上的行走。

系统流程图

为了更直观地理解数据如何在Jobs中流动，先看一张"文字流程图"。

复制代码

[宏开关] -> [RVOComponent Awake/Start]
                 |
                 +--> [Terrain/Heightmap 采样缓存]
                 |
                 +--> [障碍物同步到 RVO + Pathfinding]
                 |
                 +--> [收集 AgentData 批量数组]
                              |
                              +--> [JPS Jobs 批量寻路]
                              |         |
                              |         +--> [写入共享路径缓冲]
                              |
                              +--> [RVO/ORCA Jobs 动态避障]
                                            |
                                            +--> [ORCAApply 回写位置/速度/路径索引]
                                            |
                                            +--> [地形高度同步 + 坡度速度修正]
                                            |
                                            +--> [Transform 同步显示]

一、总体架构与设计目标

系统分为三层，彼此解耦但在运行时紧密协作：

局部避障层（RVO + Jobs）：负责高密度单位的动态避让与速度输出，保证"能动、不卡"。
全局导航层（JPS + Jobs）：负责为每个单位并行计算路径，解决"到哪去、怎么走"的全局可达性问题。
地形适配层（Heightmap + Jobs）：根据高度图采样，把RVO输出的平面移动映射到真实3D地形高度，并根据地形坡度自动修正移动速度。

这三层组合后，就能达到"10万单位并发移动仍流畅"的目标：JPS并行批量查路，RVO负责局部动态避障，地形层确保落地到3D世界。

二、基于Jobs的RVO动态避障

RVO本质是局部避让，不负责全局路径。它适合处理大量单位在复杂场景中"彼此避让"的问题。通过Jobs并行计算，每帧对海量单位的速度进行更新，使10万级别的动态避障成为可能。

关键点在于：RVO只需要一个"当前目标点"，它不关心这个目标点是否被大障碍阻断。因此我们必须将"路径点"喂给RVO单位，才能解决"卡在大障碍物前"的问题。

三、Jobs跳点寻路（JPS）的批量路径查询

为了支持10万人同屏，寻路必须"批量 + 并行"。JPS（Jump Point Search）本身在网格上具备很高效率，而通过Jobs并行化后，就能在同一帧内处理海量查询。

实现上通常采用以下策略：

把障碍物栅格化到统一网格中，形成可复用的阻塞缓存。
对大量单位的查询请求进行批量打包，一次性提交到Jobs。
使用分块（chunk）策略，让每个Job处理一部分单位，从而平衡CPU负载。

这样，JPS可以输出每个单位对应的路径点序列，为后续RVO移动提供全局路径支撑。

四、扩展RVOAgent：让避障单位支持路径移动

要让RVO单位真正"会导航"，必须扩展Agent，使其能够根据路径点移动，而不是只对单一目标点进行避让。核心思想是：

JPS计算结果是"路径点序列"。
RVOAgent需要在每帧更新时，从路径点序列中选取合适的"当前目标点"。
当单位接近当前路径点时，自动切换到下一个路径点。

这样，RVO仍然处理局部动态避障，但导航方向由路径点控制，从而实现"全局可达 + 局部避让"的融合。

五、3D地形支持：高度图同步 + 坡度速度修正

RVO本质运行在平面（X/Z 或 X/Y），而地形是3D曲面。为了让单位贴地移动，需要借助高度图。

地形支持的关键步骤：

读取Terrain或Texture2D高度图，构建高度采样缓存。
在Jobs中对每个单位的当前位置进行高度采样，获取对应Y值。
将RVO输出的平面位置映射到真实地形高度，从而实现"贴地移动"。

进一步优化是坡度速度修正：坡度越大，单位移动速度越低。这让单位在上坡、下坡时更符合真实运动感。

六、接口用法（简洁示意）

只展示接口思路，不展开复杂实现：

复制代码

// 1) 打开功能宏
RVO_PATHFINDING; RVO_TERRAIN; // 可选 AXIS_2D_MODE

// 2) 批量路径查询（JPS + Jobs）
var pathPoints = rvo.FindPathBatch(queryAgents, queryAgents.Length, out results, 64);

// 3) 把路径点喂给RVOAgent
agent.SetMovePath(pathPoints, baseIndex, pointCount);

// 4) 地形高度同步
rvo.SetTerrain(terrain); // 或 rvo.SetTerrain(heightmapTexture);

七、性能要点与实践建议

不要每帧全量寻路：路径结果可缓存，目标变化时再更新。
合理设置网格尺寸与cellSize：越细越精确，但成本更高。
路径点数量要有上限，避免缓冲浪费与写入开销。
障碍物同步只做一次建模，避免RVO与Pathfinding维护两套障碍。
地形高度图分辨率要平衡精度与采样成本。

八、实现原理细节（从数据到算法）

要真正支撑10万人同屏，关键是把"逻辑"变成"数据流"。RVO、JPS与地形同步都是在Jobs中运行，主线程只负责准备数据与发起调度。这样的设计让计算几乎全部在Burst优化的Jobs里完成，减少主线程阻塞。

1）RVO的三段式数据流

RVO的核心流程可以拆成三段：数据准备、速度求解、结果回写。准备阶段把Agent对象打包成可并行处理的结构体数组；求解阶段在ORCA相关Jobs中计算无碰撞速度；回写阶段把结果应用到Agent并更新Transform（可选）。

这套模式的关键是"结构体数组 + NativeArray"，避免了面向对象遍历时的性能损耗，也让Burst能够对数据做向量化优化。

2）AgentData / AgentDataResult 的职责划分

AgentData承载输入状态（位置、速度、目标点、半径、速度上限、避让参数等），AgentDataResult承载输出结果（新位置、新速度、是否到达、路径索引等）。这种输入输出分离让Jobs更容易并行，不会在不同线程间出现写冲突。

3）接口引用：RVO调度与路径刷新

在RVO调度前会统一刷新路径写入队列，确保ORCA在读取路径时不会读到"半写状态"。这一点通常在调度入口完成：

复制代码

public JobHandle Schedule(float deltaTime, JobHandle dependOn = default)
{
    FlushPendingMovePathWrites();
    return m_Rvo.Schedule(deltaTime, dependOn);
}

这种"调度前刷新"的策略既保证了线程安全，也保证了路径数据的可见性。

4）路径缓冲的参数化设计

路径缓冲的容量和步长往往决定了系统的内存占用和路径精度。典型的可配置参数包括：

复制代码

[SerializeField, Min(1)] private int movePathSlotStride = 64;
[SerializeField, Min(1)] private int movePathInitialSlots = 4096;

含义很直观：每个单位最多使用64个路径点，初始化路径槽数量为4096。10万单位时，路径槽会按需增长。这样既避免了"全部预分配"的极端浪费，也能保证高峰期仍然有可用槽位。

5）JPS的核心思想：跳点 + 缓存

JPS是对A*的优化，核心思想是"跳过冗余节点"。在网格上寻路时，大量相邻节点对最终路径没有贡献，JPS通过规则判断"跳点"来减少扩展节点数量。配合缓存的jump table与障碍栅格化，能显著降低路径查询成本。

从工程视角看，JPS还有两个优势：其一，网格结构天然适合并行处理；其二，路径点易于压缩与简化，适合批量存储。

6）批量寻路与分块并行

对10万单位而言，"逐个寻路"是不可接受的。批量化的做法是将查询分为若干chunk，每个chunk在独立的scratch空间里做搜索，这样避免了线程之间共享临时数据。

另一方面，批量查询还可以配合"多帧更新策略"：只更新需要重新寻路的单位，其余单位沿旧路径继续行走，整体运动仍然连续且稳定。

7）路径点简化与直线可视性

JPS输出的路径点数量可能较多，如果直接喂给RVO，会造成"路径太密，目标切换过于频繁"。因此通常会进行路径简化，比如去掉连续同向的冗余节点，或者在有直线可视的情况下直接连接首尾节点。

这样做不仅让单位转向更自然，也降低了路径缓冲的占用。

8）路径跟随中的Lookahead与回归路径

RVOAgent跟随路径时，不能仅仅追逐"下一路径点"。更稳妥的做法是：根据当前位置投影到路径段，计算一个"lookahead"目标点，既避免频繁转向，也能让单位在局部避障后顺畅回归路径。

当单位偏离路径过远时，逻辑会优先把目标指向投影点，先"回到路径"，再继续前进。这种策略能显著降低"偏航漂移"的问题。

九、数据流与并行架构（Jobs管线视角）

为了支撑10万规模，关键不是"单个算法有多快"，而是"数据如何在多线程里流动"。整体上可以理解为一条流水线：

主线程收集/刷新Agent状态（位置、目标点、速度等），打包为可并行的NativeArray。
ORCA相关Jobs并行计算局部避障后的速度与下一步位置。
Pathfinding相关Jobs并行查询路径点序列，形成"全局导航参考"。
应用阶段统一回写结果（位置、朝向、路径索引），并在必要时同步Transform。

这条管线中最重要的原则是"批量化"：所有昂贵的事情都在批量中做，而不是逐个Agent做。这样才能让Jobs真正发挥并行优势，避免线程切换与调度开销反噬性能。

十、共享路径缓冲：让10万条路径可用且可控

如果给每个Agent都维护一份路径数组，10万单位会迅速把内存和复制成本拖垮。因此需要"共享路径缓冲"的设计：

路径点存放在一块连续的NativeArray中，通过"slot + stride"定位。
每个Agent只记录slot、路径长度与当前索引，路径点本身集中存储。
路径写入采用批量写入队列，在调度前统一Flush，减少随机写。

这样一来，无论是JPS输出的路径点，还是RVOAgent的路径跟随，都不会产生过多临时分配。路径长度受上限限制，可以通过参数控制内存占用与精度之间的平衡。

十一、障碍物同步机制：一次建模，双系统可用

动态避障与寻路都依赖障碍物。如果两套系统维护两份障碍数据，成本很高且容易出错。更合理的做法是"统一障碍输入"，在RVO与JPS之间做同步：

场景障碍物组件在启用时同时注册到RVO与Pathfinding。
当宏开启后，障碍的顶点会被同步到寻路系统中参与栅格化。
边界障碍可用Edge模式，封闭多边形可用Polygon模式。

这样可以保证"避障看到的障碍"和"寻路看到的障碍"是一致的，避免路径规划通过但RVO无法穿越的情况。

十二、3D地形支持的关键细节

在地形场景中，RVO通常只计算平面运动（X/Z）。为了把平面移动映射到真实地形，需要高度图采样与速度缩放：

高度图采样使用双线性插值，保证高度变化平滑。
将平面位置映射到采样高度，写回Agent的Y值。
根据坡度变化计算速度缩放因子，上坡变慢、下坡更快。

地形支持必须放在Jobs里批量执行，否则单线程采样会成为瓶颈。通过"高度图缓存 + 并行采样"，地形适配成本可以被摊薄到每个Agent。

十三、路径写回与Agent扩展细节

让RVO单位"沿路径走"有三个关键点：路径数据如何写入、路径索引如何维护、路径目标如何动态更新。

在接口层面，RVOAgent提供了SetMovePath用于接收路径点序列。典型调用方式如下：

复制代码

agent.SetMovePath(pathPoints, beginIndex, pointsCount);

SetMovePath内部会把路径写入共享缓冲，并初始化路径索引。路径点数量为1时会走快速通道，直接把终点设为目标；如果路径过长，系统会根据stride做裁剪，防止写入溢出。

路径跟随逻辑中，当前路径索引会在Jobs里更新，并在回写阶段同步到Agent。这样即使单位在避障过程中偏离路径，也能在下一帧重新找到合适的路径段。

十四、JPS批量寻路的调用与结果处理

JPS提供两种常用接口：一种返回路径点数组并同时给出结果索引；另一种允许你自带缓冲区，减少临时分配。常见用法如下：

复制代码

var pathPoints = rvo.FindPathBatch(queryAgents, queryAgents.Length, out results, 64);
// 或
rvo.FindPathBatchInto(queryAgents, queryAgents.Length, outPathPoints, outResults, 64);

每个Agent对应的路径点在数组中按"固定步长"排列，步长就是perAgentMaxPathPoints。结果结构体里通常包含PathPointCount与Success字段，用来判断路径是否有效。

当路径点数量小于2时，RVO会把目标点作为直达目标；当路径点较多时，RVO会按路径进行跟随，直到到达终点。

十五、3D地形采样的实现要点

地形采样核心是"世界坐标 → 高度图UV → 双线性插值"。在Jobs中实现时，会先把世界坐标转换到高度图坐标系，再通过四个相邻采样点插值出平滑高度。典型逻辑可以概括为：

复制代码

// worldXZ -> (u, v) -> (x0,x1,z0,z1) -> bilinear
float sampledY = SampleHeight(worldXZ);
agent.worldPosition = new float3(x, sampledY, z);

采样完成后，还会根据坡度计算速度缩放。坡度越大，速度越低，既保证了"贴地"效果，也避免单位在陡坡上出现不真实的高速移动。

十六、宏开关与构建策略

大规模系统最怕"功能全开带来的无谓开销"。通过宏开关，可以把不需要的功能在编译期裁剪掉：

RVO_PATHFINDING：启用路径系统、共享路径缓冲与路径跟随逻辑。
RVO_TERRAIN：启用地形高度同步与坡度速度修正。
AXIS_2D_MODE：切换2D空间（X/Y）或3D地平面（X/Z）。

在需要极致性能的场景中，可以只开启RVO，关闭路径与地形；在需要完整导航能力时，再开启路径和地形宏。

十七、从工程角度看路径与避障的融合策略

很多项目会在"路径规划"和"避障"之间摇摆：路径太"理想化"，避障太"局部化"。这个系统的关键价值在于把两者合并成"路径驱动的避障"。

具体策略可以总结为：

路径负责"要去哪里"，避障负责"如何去"。
路径点不会直接控制速度，而是作为RVO的目标输入。
当避障产生偏移时，路径提供回归约束，避免漂移。

这种融合方式非常适合高密度单位，因为避障不需要关心全局，只需要在局部保持流畅。

十八、典型场景配置建议

以下是三个常见场景的参数思路，供参考：

RTS大规模战斗：网格分辨率中等，cellSize 1~2；路径点上限64；每帧只更新部分路径。
塔防/固定路线：路径点可以提前生成并缓存，RVO只做局部避让。
迷宫/复杂障碍：适当降低cellSize提高精度，同时控制路径点上限与障碍安全膨胀。

十九、更多代码引用（接口层）

为了便于定位实现位置，这里列出几个关键接口的"签名级引用"，帮助你快速找到实现：

复制代码

public NativeArray FindPathBatch(..., out NativeArray pathResults, int perAgentMaxPathPoints = 64)
public void FindPathBatchInto(..., NativeArray outPathPoints, NativeArray outResults, int perAgentMaxPathPoints = 64)
public void SetTerrain(Terrain terr)
public void SetTerrain(Texture2D heightmap)
public void SetMovePath(NativeArray pathPoints, int beginIndex, int pointsCount)

这些接口覆盖了"路径查询、路径写回、地形同步"的最核心能力，也是你在项目中最常调用的API。

二十、性能测试方法与验证流程

想要验证"10万人同屏"，需要一套稳定的测试方法，否则容易被偶发因素干扰：

固定场景规模与障碍分布，保证测试条件一致。
分离"寻路性能"和"避障性能"，分别测量不同阶段耗时。
记录每帧路径查询数量、RVO调度耗时、地形采样耗时。
关注峰值与平均值，避免只看平均帧率。

对于大规模单位来说，"稳定性"比"极限帧率"更重要，尤其是在多人同屏场景下，帧时间波动会直接影响体验。

二十一、性能评估与调参流程

想要稳定达到10万人同屏，需要用"预算"思维来规划性能：

每帧预算：RVO避障要保证实时性，路径查询可以分帧或按需执行。
网格尺寸与cellSize：越细路径越精确，但JPS成本更高。
路径点上限：限制单条路径点数，避免超长路径导致缓冲爆炸。
障碍安全膨胀：适当增大可以减少局部卡死，但过大可能导致路径绕行过度。

实践中建议把路径查询拆为"增量批次"，让每帧只处理部分单位更新路径，其余单位沿旧路径继续移动，整体流畅性会更好。

二十二、常见问题与排查思路

单位卡在障碍边缘：检查路径点是否过稀或ObstacleSafetyInflation过小。
路径更新后单位跳动：确认路径点写入与RVO调度顺序，避免帧内冲突。
地形高度抖动：检查高度图分辨率与采样精度，必要时做平滑处理。
内存占用过高：缩小每个Agent的路径点上限或降低网格尺寸。
性能不稳定：避免每帧全量寻路，改为"目标变化时更新"。

二十三、可扩展方向

当基础系统稳定后，还可以进一步增强：

群体目标：对同一目标点可结合流场或局部编队逻辑。
分层寻路：远距离用粗网格，近距离用细网格，提高效率。
动态代价：根据地形类型或战斗区域动态改变格子权重。
多层移动：空中单位、地面单位使用不同通行规则。

二十四、总结：为何这套方案能扩展到10万单位

从工程角度来看，这套系统的可扩展性来自三个关键点：

所有重计算都在Jobs中批量处理，避免主线程成为瓶颈。
路径与避障解耦但可融合，路径提供全局约束，RVO提供局部流畅。
共享路径缓冲与高度图缓存让内存与数据拷贝成本可控。

当这些设计同时成立时，10万单位的同屏移动不再是"理论极限"，而是可工程化落地的实际能力。

结语

通过"RVO动态避障 + JPS批量寻路 + 高度图地形同步"的组合，我们可以在Unity中实现10万人同屏的导航寻路系统。RVO保证局部流畅避让，JPS提供全局路径指引，地形采样让单位真正移动在3D世界表面。这是一套可以落地在RTS、塔防、战争模拟等大规模项目中的工程化方案。

Unity实现10万人同屏动态避障和导航寻路系统 支持3D地形

Unity万人同屏插件

网页版在线测试性能：

系统流程图

一、总体架构与设计目标

二、基于Jobs的RVO动态避障

三、Jobs跳点寻路（JPS）的批量路径查询

四、扩展RVOAgent：让避障单位支持路径移动

五、3D地形支持：高度图同步 + 坡度速度修正

六、接口用法（简洁示意）

七、性能要点与实践建议

八、实现原理细节（从数据到算法）

1）RVO的三段式数据流

2）AgentData / AgentDataResult 的职责划分

3）接口引用：RVO调度与路径刷新

4）路径缓冲的参数化设计

5）JPS的核心思想：跳点 + 缓存

6）批量寻路与分块并行

7）路径点简化与直线可视性

8）路径跟随中的Lookahead与回归路径

九、数据流与并行架构（Jobs管线视角）

十、共享路径缓冲：让10万条路径可用且可控

十一、障碍物同步机制：一次建模，双系统可用

十二、3D地形支持的关键细节

十三、路径写回与Agent扩展细节

十四、JPS批量寻路的调用与结果处理

十五、3D地形采样的实现要点

十六、宏开关与构建策略

十七、从工程角度看路径与避障的融合策略

十八、典型场景配置建议

十九、更多代码引用（接口层）

二十、性能测试方法与验证流程

二十一、性能评估与调参流程

二十二、常见问题与排查思路

二十三、可扩展方向

二十四、总结：为何这套方案能扩展到10万单位

结语

Unity实现10万人同屏动态避障和导航寻路系统支持3D地形