unity行为树简介

目前在Unity3D游戏中一般复杂的AI都可以看到行为树的身影，简单的AI使用状态机来实现就可以了，所以这里我也是简单的学习下，为以后用到做准备。

行为树的概念出现已经很多年了，总的来说，就是使用各种经典的控制节点+行为节点进行组合，从而实现复杂的AI。

Behavior Designer插件里，主要有四种概念节点，都称之为Task。包括：

(1)Composites 组合节点，包括经典的：Sequence，Selector，Parallel

(2)Decorator装饰节点，顾名思义，就是为仅有的一个子节点额外添加一些功能，比如让子task一直运行直到其返回某个运行状态值，或者将task的返回值取反等等

(3)Actions 行为节点，行为节点是真正做事的节点，其为叶节点。Behavior Designer插件中自带了不少Action节点，如果不够用，也可以编写自己的Action。一般来说都要编写自己的Action，除非用户是一个不懂脚本的美术或者策划，只想简单地控制一些物件的属性。

(4)Conditinals条件节点 ，用于判断某条件是否成立。目前看来，是Behavior Designer为了贯彻职责单一的原则，将判断专门作为一个节点独立处理，比如判断某目标是否在视野内，其实在攻击的Action里面也可以写，但是这样Action就不单一了，不利于视野判断处理的复用。一般条件节点出现在Sequence控制节点中，其后紧跟条件成立后的Action节点。

行为树(Behavior Tree)具有如下的特性：
它的4大类型的节点：1. Composite 2.Decorator 3.Condition 4.Action Node
任何Node被执行后，必须向其Parent Node报告执行结果：成功 / 失败。
这简单的成功 / 失败汇报原则被很巧妙地用于控制整棵树的决策方向。

一： Composite Node（组合节点）

Composite节点按照复合性质还可以细分为3种：

* Selector Node

当执行本类型Node时，它将从begin到end迭代执行自己的Child Node：
如遇到一个Child Node执行后返回True，那停止迭代，
本Node向自己的Parent Node也返回True；否则所有Child Node都返回False，
那本Node向自己的Parent Node返回False。

* Sequence Node

当执行本类型Node时，它将从begin到end迭代执行自己的Child Node：
如遇到一个Child Node执行后返回False，那停止迭代，
本Node向自己的Parent Node也返回False；否则所有Child Node都返回True，
那本Node向自己的Parent Node返回True。

* Parallel Node

并发执行它的所有Child Node。
而向Parent Node返回的值和Parallel Node所采取的具体策略相关：
Parallel Selector Node: 一False则返回False，全True才返回True。
Parallel Sequence Node: 一True则返回True，全False才返回False。
Parallel Hybird Node: 指定数量的Child Node返回True或False后才决定结果。

Parallel Node提供了并发，提高性能。
不需要像Selector/Sequence那样预判哪个Child Node应摆前，哪个应摆后，
常见情况是：
(1)用于并行多棵Action子树。
(2)在Parallel Node下挂一棵子树，并挂上多个Condition Node，
以提供实时性和性能。
Parallel Node增加性能和方便性的同时，也增加实现和维护复杂度。

PS：上面的Selector/Sequence准确来说是Liner Selector/Liner Sequence。
AI术语中称为strictly-order：按既定先后顺序迭代。
Selector和Sequence可以进一步提供非线性迭代的加权随机变种。
Weight Random Selector提供每次执行不同的First True Child Node的可能。
Weight Random Sequence则提供每次不同的迭代顺序。
AI术语中称为partial-order，能使AI避免总出现可预期的结果。

二：Decorator Node（装饰节点）

装饰节点的功能正如它的字面意思：它将它的Child Node（孩子节点）执行后返回的结果值做额外处理（装饰）后，再返回给它的Parent Node（父节点）。很有些AOP的味道。
比如Decorator Not/Decorator FailUtil/Decorator Counter/Decorator Time…
更geek的有Decorator Log/Decorator Ani/Decorator Nothing…

三：Condition Node（条件节点）

条件节点很直白，它仅当满足Condition节点的条件时返回True。

四：Action Node（行为节点）

行为节点是完成具体的一次(或一个step)的行为，视需求返回值。
而当行为需要分step/Node间进行时，可引入Blackboard进行简单数据交互。

注意：

整棵行为树中，只有Condition Node和Action Node才能成为Leaf Node（叶子节点），而也只有Leaf Node才是需要特别定制的Node；Composite Node和Decorator Node均用于控制行为树中的决策走向。(所以有些资料中也统称Condition Node和ActionNode为Behavior Node，而Composite Node和Decorator Node为Decider Node。)
更强大的是可以加入Stimulus和Impulse，通过Precondition来判断masks开关。
通过上述的各种Nodes几乎可以实现所有的决策控制：if, while, and, or, not, counter, time, random, weight random, util…

总的来说

行为树具有如下几种优点，确实是实现AI框架的利器，甚至是一种通用的可维护的复杂流程管理利器：

> 静态性

越复杂的功能越需要简单的基础，否则最后连自己都玩不过来。
静态是使用行为树需要非常着重的一个要点：即使系统需要某些"动态"性。
其实诸如Stimulus这类动态安插的Node看似强大，但却破坏了本来易于理解的静态性，弊大于利。
Halo3相对于Halo2对BT AI的一个改进就是去除Stimulus的动态性。取而代之的做法是使用Behavior Masks，Encounter Attitude，Inhibitions。
原则就是保持全部Node静态，只是根据事件和环境来检查是否启用Node。
静态性直接带来的好处就是整棵树的规划无需再运行时动态调整，为很多优化和预编辑都带来方便。

> 直观性

行为树可以方便地把复杂的AI知识条目组织得非常直观。默认的Composite Node的从begin往end的Child Node迭代方式就像是处理一个
预设优先策略队列，也非常符合人类的正常思考模式：先最优再次优。
行为树编辑器对优秀的程序员来说也是唾手可得。

> 复用性

各种Node，包括Leaf Node，可复用性都极高。实现NPC AI的个性区别甚至可以通过在一棵共用的行为树上不同的位置来安插Impulse来达到目的。当然，当NPC需要一个完全不同的大脑，比如70级大BOSS，与其绞尽脑汁在一棵公用BT安插Impulse，不如重头设计一棵专属BT。

> 扩展性

虽然上述Node之间的组合和搭配使用几乎覆盖所有AI需求。
但也可以容易地为项目量身定做新的Composite Node或Decorator Node。
还可以积累一个项目相关的Node Lib，长远来说非常有价值。

Conditional Abort 机制

非Abort模式：当这棵树运行的时候，Conditional会返回Success，然后Sequence会执行下一个子节点，Wait。Wait节点会等待10秒钟。

当Wait节点正在运行的时候，假定Condition发生了变化返回了Failure,Wait也不会停止，会一直等待10秒结束。

Abort模式：如果Sequence的Abort被激活，那么Conditional节点会发起一个abort，当Wait处于Running状态时，如果Conditional状态发生变化，会中断wait的执行。Condtional Abort可以在任何的组合节点获取。

我的解读：

Conditional Abort，只能由条件节点发起，这是因为只有条件节点会判断当前条件，并且在条件变化时，发起中断信息，终止一个正在Runing的行为节点。

【1】存在 Conditonal 节点

【2】存在Action节点，并且这个节点不是立刻返回，而是需要返回 Runing的。

【3】Action的节点的运行，依赖于Conditional节点的返回值。

【4】当条件变化时，Conditional节点返回一个abort请求

【5】那么谁来捕获这个Conditional变化呢？可以Conditonal的父节点，或者是Conditional父节点的兄弟节点。(装饰节点)

【6】当捕获到Abort之后干什么呢？中断当前running的节点，从新评估整颗树。

【7】好处是什么呢？动态改变行为树的执行顺序，不必非等到Wait节点10秒钟执行完毕，才重新检索整棵树，才检测Conditional的返回值。

然后我们来看看有几种中断类型：

None：这是默认的行为，不会中断，一旦Wait开始运行，他就必须傻了吧唧的运行完10秒钟，哪怕期间条件变化了。

比如，你发现周围没人，决定休息10秒，然后敌人来了，你还在休息，敌人把毫无反抗的你给啪啪啪了。

Self：这是自身条件中断，Conditional Abort只能中断同级（拥有相同的父节点（装饰节点）的Action节点。

比如，你刚决定休息，休息了不到1秒，敌人来了。你决定中断休息这个行为，开始做点什么，而不是坐以待毙。

Lower Priority 代表中断低优先级节点，

行为树，越靠左边，优先级越高，越靠右边，优先级越低。

Lower Priority意义在于当一个高优先级装饰节点A下的Condiontal子节点发生变化时，他只能中断一个低优先级的Action节点（跟A节点同级，但在A节点右侧的Action节点）。

假设一个AI包含有 回避 攻击 休息三个模块（大分支）

1-你正在攻击，这时候有人朝你开枪了，回避分支发现了这个问题，要求你先保命，于是中断了你的攻击分支。

2-而如果你正在回避，这时候回避分支自身发生了变化——攻击你的人死了——他不会中断你当前的回避行为。

Both综合Self和Lower Priority的中断

1-你正在攻击，这时候有人朝你开枪了，回避模块发现了这个问题，要求你先保命，于是中断了你的攻击行为。

2-而如果你正在回避，这时候回避模块发生了变化——攻击你的人死了——那你还回避干屁，于是回避行为也终止了。

最后在总结一下干货：

Conditional Abort由 Conditonal节点发起，由Composite节点截获，并决定是否要abort。

如果决定Abort，会从发起Abort的节点开始，重新评估。

Self 是指：同根的节点

Lower 则是指：和发起Abort的父节点（Composite）相对而言，低优先级的节点。

如上图，Sequence节点选择了Lower Priority ，那么当子节点Action在Running状态时，子节点的Conditional是中断不了的，但是当右侧的Sequence下的Action在Running状态时，如果左侧的Conditional条件发生了变化，是可以另树的逻辑重新执行，执行自己的Action而中断右侧Sequence（低优先级装饰节点）下的Action。

并且此时左侧Sequence下的Conditional拥有一个带有循环图案的对号。

Conditional Abort条件是可以嵌套的，如下图：

当能看见，和能听见，任何一个节点返回True的时候，将执行Action。

一个恰当的例子，比如，一个守卫，当他看见敌人，或者听到异常声音的时候，他会开始巡逻一圈。

Selector被设置成LowerPriority，这样，当“听”和“看”条件变化时，可以中断巡逻Action。

当敌人不见踪影，也没了声音，守卫开始怀疑自己是不是幻听幻视了，中断巡逻。

Sequence被设置成LowerPriority，是希望Selector被重新评估时，他可以中断比Sequence优先级低的其他节点上正在运行的行为。

比如，现在CanSee和CanHear都是返回False的，因此巡逻Action是不执行的。

假设Sequence的兄弟节点，有个抽烟的动作正在Runing。这时候风吹草动了，即CanSee和CanHear条件发生变化时，抽烟Action会中断，而巡逻Action会被执行。

但是如果Sequence是Self而不是LowerPriority的话。即使风吹草动了，他也不会终止抽烟而开始巡逻的。

这里LowerPriority改成Both也是可以的，虽然这并没有多大意义。

而Selector，如果他没有被设置为Both或者LowerPriority，那么这两个条件发生变化，这个Sequence根本不会被重新执行，也无法执行中断巡逻Action，那么肯定也无法中断Sequence的低优先级节点。