前言

昨天听群友提到了GOAP（Goal Oriented Action Planning）目标导向的AI系统，百度稍微了解了一下，看起来要比行为树高级一些，所以今天来好好研究一下，看看他的庐山真面目。因为国内资料较少，所以就准备去Github找一下。就找到了这个库：https://github.com/luxkun/ReGoap。本篇文档对于Goap本身介绍并不多，想要详细了解的可以去看FEAR在GDC做的分享：https://www.lfzxb.top/gdc-sharing-of-ai-system-based-on-goap-in-fear-simple-cn/ 或者去这个网站了解GOAP更多相关内容：http://alumni.media.mit.edu/~jorkin/goap.html 我的Goap开源库（多线程，JobSystem，路径规划算法优化）：https://gitee.com/NKG_admin/NKGGOAP 出于学习的目的，我来翻译一下它的Readme。文章中的一些链接将省略。 注：

正文中的规划/计划系统字样一般都可以当做GOAP系统。
正文中的动作/行为/操作字样一般都可以当做Action。
正文中的效果/影响字样一般都可以当做Effect。
正文中的目标/目的字样一般都可以当做Goal。
正文中的记忆/内存字样一般都可以当做Memory。

ReGoap

带有Unity例子和协助类的通用型C# GOAP(Goal Oriented Action Planning) 库。这个库非常通用，可以用在任何游戏引擎上。

让我们开始（报废版解说）

通过点击这里下载Unity的FSM示例开始。这个在Unity里使用ReGoap库的示例通过一个简单的有限状态机来处理巨量的行为（在大多数游戏中只需要三个状态就可以满足：默认，切换，动画）

让我们开始（标配版解说）

介绍GOAP

如果你仅仅想使用这个库并想了解一下案例请跳转在Unity使用ReGoap。在向你解释如何在你的游戏中使用这个库之前，让我先向你解释一下一个GOAP系统是如何工作的，来自一句Jeff Orkin的名言。

面向目标的行动计划(又名GOAP，与soap押韵)是指专为实时控制游戏中自主角色的行为而设计的类似斯坦福研究院问题解决系统的简单规划架构。

基本上，他做的所有事情就是寻找一个解决方案（应该是一个action列表）来完成我们想要让Unit完成的目标。（这个寻找过程是Unit自主进行的）。你需要理解的主要内容包括：State，Action，Goal，Memory以及Sensors。

State

它是世界的定义，在这个库中，他们被封装成一个Dictionary<string,object> 可以在这个文件中找到ReGoapState类：https://github.com/luxkun/ReGoap/blob/master/ReGoap/Core/ReGoapState.cs 它的内容就像这样 "isAt":"enemy","isWarned":"true","hasWeapon":true。

Action

可以被定义为一系列的先决条件和会造成的效果，这些都是AI代理（上面提及的Unit,下文都将称作AI代理）能够做的。先决条件是这个Action想要执行所需的满足的东西，他被描述为一个状态。而效果，顾名思义，Action所造成的效果，也被称之为一个状态。例子：

'Open door': [pre: {'nearDoor': true, 'doorUnlocked': true}, effects: {'doorOpened': true}]
'Close combat attack': [pre: {'weaponEquipped': true, 'isAt': 'enemy'}, effects: {'hurtEnemy' true}]
'Go to enemy': [pre: {'enemyInLoS': true, 'canMove': true}, effects: {'isAt': 'enemy'}]
'Equip weapon': [pre: {'hasWeapon': true}, effects: {'weaponEquipped': true}]
'Patrol': [pre: {'canMove': true}, effects: {'isPatrolling': true}]

重要：值为False的先决条件不被支持 重要：当Action已经完成时，Action的效果将不会被写入记忆中，这并不是一个脑瘫设计，因为在大多数游戏中，你需要从记忆（Memory）或传感器（Sensor）设置这些变量。 但如果确实需要，可以在ReGoapAction中重写Exit并将效果设置到记忆中，如下面的示例所示。

Goal

可以被定义为一系列的请求，也被描述为状态，这是AI代理的目标例子：

‘Kill Enemy’: {‘hurtEnemy’: true}
‘Patrol’: {‘isPatrolling’: true}

Memory

是AI代理的记忆，所有AI代理知道的，感受到的都需要放在这里。一个记忆可以有很多感知，在这个库里，被称作Memory Helper（Sensor）。记忆的最基本工作是创建并保持更新’世界’的状态。

Sensor

是一个Memory Helper。他应该监管一个特定的范围。例子：

EyeSensor (检查是否有敌人在当前视线里)
EarsSensor (检查是否有敌人被听到)

你当然也可以制作一个EnemySensor。他同时拥有EyeSensor和EarsSensor的功能。

在Unity使用ReGoap

把这个仓库Clone到你的Unity项目里。
为你的AI代理创建一个GameObject。
添加一个ReGoapAgent组件，选择一个名称（必须自定义继承自ReGoapAgent或IReGoapAgent接口的类）。
添加一个ReGoapMemory组件，选择一个名称（必须自定义继承自ReGoapMemory或IReGoapMemory接口的类）。
[可选] 添加你自己的继承ReGoapSensor或IReGoapSensor的感知类。
[可选] 添加你自己的继承ReGoapAction或IReGoapAction的Action类（请务必的明智的设计这个Action类拥有什么样的先决条件和效果）并且继承Action逻辑并重写Run方法，这个方法将会被ReGoapAgent调用。
[可选] 添加你自己的继承ReGoapGoa或IReGoapGoal的目标类。（请务必的明智的设计这个Goal类拥有什么样的目标状态）。
添加一个ReGoapPlannerManager（必须自定义继承自ReGoapPlannerManager的类）到任意游戏物体身上（除了AI代理！），他将会处理所有的规划。

然后呢？没有然后了。这个库会处理所有的AI规划，选择一系列Action来完成一个目标，所有你需要做的就是实现自定义的Action和Goal。在下一段中，我将解释如何创建自己的类(但对于大多数行为，您需要继承的只是GoapAction和GoapGoal)。

自定义ReGoapAction

自定义Action可以参考这个例子：https://github.com/luxkun/ReGoap/tree/master/ReGoap/Unity/FSMExample/Actions 想要查看有哪些方法可以重写可以参考这个类：https://github.com/luxkun/ReGoap/blob/master/ReGoap/Unity/ReGoapAction.cs 你必须通过继承IReGoapAction接口或ReGoapAction类来自定义ReGoapAction。明智的设计好通用类型，他们在所有的代理中都是平等的。通常是string(Key)，object(Value)，当然也可以是int/enum(Key)，以及其他通用但轻量的类型。对于一个简单的实现，你可以像下面这样做

public class MyGoapAction : ReGoapAction<string, object>
{
    protected override void Awake()
    {
        base.Awake();
        preconditions.Set("myPrecondition", myValue);
        effects.Set("myEffects", myValue);
    }
    public override void Run(IReGoapAction<string, object> previous, IReGoapAction<string, object> next, ReGoapState<string, object> settings, ReGoapState<string, object> goalState, Action<IReGoapAction<string, object>> done, Action<IReGoapAction<string, object>> fail)
    {
        base.Run(previous, next, goalState, done, fail);
        // 在这里编写你的游戏逻辑
        // 当结束时，如果成功就执行done回调，否则就执行fail回调
        // 并把自身通过done或fail传递到AI代理来决定下一步的操作。
        if(hasSuccess)
        {
            done(this); // 这一步将会告知ReGoapAgent这个行为已经成功执行并且在整个AI规划中继续前进
        }
        else
        {
            fail(this);// 表示行为失败了，执行fail回调，这个ReGoapAgent会自动无效化当前规划并且询问ReGoapPlannerManager来请求一个新的规划
        }
    }
}

正如在ReGoapAction之前编写的那样，默认情况下不会在Memory上写入效果，但是Memory应检查效果是否有效完成，如果出于任何原因要在Action结束时设置效果，则可以添加如下代码到您的ReGoapAction实现中：

public override void Exit(IReGoapAction<string, object> next)
{
    base.Exit(next);

    var worldState = agent.GetMemory().GetWorldState();
    foreach (var pair in effects) {
        worldState.Set(pair.Key, pair.Value);
    }
}

你也可以让先决条件和效果在下一个Aciton的先决条件或效果的影响下动态更改，这个例子就是演示如何在你的AI代理中处理GoTo Action。https://github.com/luxkun/ReGoap/blob/master/ReGoap/Unity/FSMExample/Actions/GenericGoToAction.cs

自定义ReGoapGoal

这并不会麻烦，大多数目标只会重写Awake函数来添加您自己的目标状态。无论如何，请查看ReGoapGoal：https://github.com/luxkun/ReGoap/blob/master/ReGoap/Unity/ReGoapGoal.cs，就像通过实现IReGoapGoal接口或继承ReGoapGoal从头实现自己的类所需的一切一样。同样的，查看这个例子里的Goal：https://github.com/luxkun/ReGoap/tree/master/ReGoap/Unity/FSMExample/Goals

public class MyGoapGoal : ReGoapGoal<string, object>
{
    protected override void Awake()
    {
        base.Awake();
        goal.Set("myRequirement", myValue);
    }
}

注意：如果要主动关心AI代理的目标可用/不可用，请使用ReGoapGoalAdvanced。

自定义GoapSensor

查看GoapSensor基类：https://github.com/luxkun/ReGoap/blob/master/ReGoap/Unity/GoapSensor.cs 查看自定义Sensors的例子：https://github.com/luxkun/ReGoap/tree/master/ReGoap/Unity/FSMExample/Sensors 与前面一样，您必须通过继承ReGoapSensor或实现IReGoapSensor接口来实现自己的类。注意：想要操作传感器时，请确保使用ReGoapMemoryAdvanced，因为基类（ReGoapSensor）不会检查和更新传感器。

Debuggin

当然，要调试自己的AI代理，您可以使用自己喜欢的编辑器自行调试。但是ReGoap对于Unity中的示例中有一个非常有用的调试器。 https://github.com/luxkun/ReGoap/blob/master/ReGoap/Unity/Editor/ReGoapNodeEditor.cs https://github.com/luxkun/ReGoap/blob/master/ReGoap/Unity/Editor/ReGoapNodeBaseEditor.cs 要使用它，只需单击Unity的菜单窗口，然后单击ReGoap Debugger，将打开一个Unity窗口，这是代理调试器。现在，如果您单击场景中的任何AI代理（运行时，仅对正在运行的AI代理起作用），窗口将自动更新，让您知道特工的“想法”（当前世界状态，选择的目标和当前计划，可能的目标，可能采取的行动，可以做什么，什么不可以，请尝试！）。