概述
游戏 AI 控制非玩家角色 (NPC)，使他们能够可信地导航、战斗和反应。它将状态机等数十年历史的技术与新的生成模型相结合，让角色能够说话和即兴创作。
视频游戏 NPC 行为中的 AI 侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。
深入探讨
NPC 行为是最古老的应用人工智能领域之一，但大多数“游戏人工智能”根本不是机器学习。经典敌人使用有限状态机（闲置、巡逻、追逐、攻击）和行为树，设计师精心设计这些行为树以获得可预测、可调的乐趣。寻路依靠 A* 算法来导航地图。具有里程碑意义的例子包括 F.E.A.R. 的目标导向行动计划 (GOAP)，它让士兵进行侧翼和协调，以及光环系列的分层行为系统。游戏人工智能通常被故意“简化”，因此它感觉公平且可击败，而不是无情地优化。最近，工作室正在尝试使用大型语言模型来支持动态对话，让 NPC 响应开放式玩家语音，而不是固定的对话树，如 NVIDIA 和 Ubisoft 的技术演示中所示。
技术洞察
行为树将简单的操作组合成具有选择器和序列的分层、可重用逻辑，为设计人员提供了精细控制。 A* 寻路使用成本加启发式估计来搜索导航网格，以找到有效的路线。相反，GOAP（在 F.E.A.R. 中使用）为代理提供了目标和行动库，在运行时规划序列，以便行为出现而不是编写脚本，从而产生战术情报的外观。
掌握视频游戏 NPC 行为中的 AI
游戏 AI 控制非玩家角色 (NPC)，使他们能够可信地导航、战斗和反应。它将状态机等数十年历史的技术与新的生成模型相结合，让角色能够说话和即兴创作。视频游戏 NPC 行为中的 AI 侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。为了建立深入的理解，请将视频游戏 NPC 行为中的人工智能视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，在视频游戏 NPC 行为中使用人工智能的强大团队专注于工作流程结果，而不是模型演示，并尽早定义人工检查点。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
应用级设计决定了人工智能是否能改善实际结果。与此同时，将损坏的流程自动化可能会加剧现有的问题。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
应用级设计决定了人工智能是否能改善实际结果。
应用级设计决定了人工智能是否能改善实际结果。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
良好的工作流程集成可以创造用户值得信赖的生产力收益。
良好的工作流程集成可以创造用户值得信赖的生产力收益。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
范围明确的用例可以减少变更疲劳和实施风险。
范围明确的用例可以减少变更疲劳和实施风险。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
F.E.A.R. 的士兵使用目标导向的行动计划来包抄、掩护和协调攻击
光环系列中的敌人通过分层行为系统撤退、重组和对手榴弹做出反应
A* 寻路功能让无数游戏中的 NPC 绕过障碍物到达玩家身边
NVIDIA ACE 和 Ubisoft 演示使用 LLM 让 NPC 与玩家进行即兴口头对话
实施模式
视频游戏中的人工智能 NPC 行为实践
F.E.A.R. 的士兵使用以目标为导向的行动计划来进行侧翼包抄、掩护和协调攻击。
F.E.A.R. 的士兵使用以目标为导向的行动计划来包抄、掩护和协调攻击。当团队预先定义质量阈值、为边缘情况保留人员升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
视频游戏中的人工智能 NPC 行为实践
《光环》系列中的敌人通过分层行为系统撤退、重组和对手榴弹做出反应。
《光环》系列中的敌人通过分层行为系统撤退、重组和对手榴弹做出反应。当团队预先定义质量阈值、为边缘情况保留人为升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
视频游戏中的人工智能 NPC 行为实践
A* 寻路功能让无数游戏中的 NPC 绕过障碍物到达玩家身边。
A* 寻路功能让无数游戏中的 NPC 绕过障碍物到达玩家身边。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
视频游戏中的人工智能 NPC 行为实践
NVIDIA ACE 和 Ubisoft 演示了如何使用 LLM 让 NPC 与玩家进行即兴口头对话。
NVIDIA ACE 和 Ubisoft 演示使用 LLM 来让 NPC 与玩家进行即兴口头对话 当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力提升和错误成本时，通常会获得更好的结果。
风险与防护栏
将损坏的流程自动化可能会加剧现有问题。
团队可能会过度自动化并消除所需的人工判断。
如果不持续评估输出，质量可能会出现偏差。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
绘制当前工作流程并确定摩擦最大的步骤。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在完全自动化之前定义人工检查点。
在完全自动化之前定义人工检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
对用户进行提示、升级路径和质量标准方面的培训。
对用户进行提示、升级路径和质量标准方面的培训。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪任务级结果以确认持续价值。
跟踪任务级结果以确认持续价值。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。