3个AI行为控制实现智能决策：ET框架行为机全解析

2026-04-05 09:12:31作者：柯茵沙

项目地址：https://gitcode.com/GitHub_Trending/et/ET

在机器人控制、游戏AI等复杂决策场景中，开发者常面临三大痛点：状态机的网状依赖导致逻辑混乱、行为切换时的资源竞争、非技术人员难以参与配置。ET框架作为Unity3D客户端和C#服务器框架，提供了轻量级行为机解决方案，通过"条件判断+行为执行"的响应式模型，将传统状态机的N²复杂度降至线性级别，同时支持协程级别的行为中断与无缝切换。本文将从问题发现到实践落地，全面解析这一创新技术。

一、问题发现：传统AI架构的三大困境

1.1 状态机的"蜘蛛网"陷阱

传统状态机需要为每个状态定义所有可能的转换条件，当状态数量达到5个时，转换关系就会形成25种可能的组合（如图1），维护成本呈指数级增长。

graph TD
    A[待机] -->|检测到目标| B[追踪]
    A -->|低电量| C[充电]
    B -->|目标消失| A
    B -->|低电量| C
    C -->|电量充满| A
    C -->|紧急任务| B
    A -->|紧急任务| B
    B -->|任务完成| A
    C -->|任务完成| A

图1：包含3个状态的传统状态机转换关系

1.2 行为切换的"资源泄露"风险

当AI需要从"巡逻"切换到"攻击"时，传统实现往往直接启动新行为，导致原行为的协程、定时器等资源无法释放，引发内存泄露或逻辑冲突。

1.3 配置门槛的"技术壁垒"

AI逻辑通常硬编码在代码中，策划或测试人员需要修改参数时必须依赖开发人员，导致迭代周期拉长。

二、方案解构：行为机的工作原理

2.1 核心架构：像餐厅叫号系统一样工作

ET行为机的核心思想可以类比为餐厅叫号系统——系统持续检查等待队列（节点数组），每次只处理优先级最高的有效请求（满足条件的节点）。其核心抽象包含两个关键方法：

public abstract class AINode 
{
    // 条件判断：是否可以执行该行为
    public abstract bool Evaluate(IAgent agent);
    
    // 行为执行：返回可取消的协程任务
    public abstract Task Execute(IAgent agent, CancellationToken token);
}

2.2 优先级调度：线性数组替代网状关系

行为机通过节点数组定义优先级顺序，定期（默认1秒）遍历检查，选择首个满足条件的节点执行：

graph LR
    A[开始] --> B[等待检查间隔]
    B --> C[遍历节点数组]
    C --> D{节点条件是否满足?}
    D -->|是| E[取消当前行为]
    E --> F[执行新节点行为]
    D -->|否| C
    F --> B

图2：行为机优先级调度流程

优先级调度——当"避障节点"与"跟随节点"同时满足条件时，系统会优先执行数组中靠前的节点，无需定义复杂的状态转换规则。

2.3 协程取消：优雅的行为切换机制

所有行为节点返回可取消的Task，切换行为时通过CancellationToken终止当前任务，确保资源释放：

// 移动行为示例
public async Task Execute(IAgent agent, CancellationToken token)
{
    while (Vector3.Distance(agent.Position, target) > 0.5f)
    {
        agent.MoveTowards(target);
        await Task.Delay(16, token); // 每帧移动
        if (token.IsCancellationRequested) return;
    }
}

三、实践指南：机器人巡逻系统开发

3.1 环境配置（3步完成）

克隆项目仓库：git clone https://gitcode.com/GitHub_Trending/et/ET
打开Unity项目，导入AI模块：Window > Package Manager > 导入AI包
创建行为配置文件：右键 > Create > ET > AI Behavior

3.2 核心API说明（5个关键接口）

API	作用	参数说明
`AIComponent.AddNode()`	添加行为节点	`AINode`：节点实例，`int`：优先级
`AIComponent.StartAI()`	启动行为机	-
`CancellationTokenSource.Cancel()`	取消当前行为	-
`AINode.Evaluate()`	条件评估	`IAgent`：智能体实例
`AIBehaviorAsset.CreateFromJson()`	加载配置	`string`：JSON路径

3.3 机器人巡逻场景实现

为仓库巡逻机器人配置三个核心行为节点，优先级从高到低为：

充电节点：电量<20%时触发
避障节点：前方3米内有障碍物时触发
巡逻节点：默认行为，按预设路线移动

配置界面示例

Unity编辑器中的AI行为配置界面包含节点列表、优先级排序和参数编辑区域：

图3：AI行为节点配置界面，支持拖拽调整优先级顺序

代码集成示例

public class RobotAIComponent : Entity
{
    private AIComponent aiComponent;
    
    public override void Awake()
    {
        aiComponent = AddComponent<AIComponent>();
        // 加载配置并添加节点
        var config = Resources.Load<AIBehaviorAsset>("RobotAI");
        foreach (var nodeConfig in config.Nodes)
        {
            AINode node = CreateNode(nodeConfig.Type);
            aiComponent.AddNode(node, nodeConfig.Priority);
        }
        aiComponent.StartAI();
    }
}

3.4 常见问题排查表

问题现象	可能原因	解决方案
行为不切换	节点条件未满足	检查Evaluate()实现，添加日志输出
资源泄露	未正确处理取消令牌	确保所有异步操作传入CancellationToken
优先级失效	节点添加顺序错误	检查AddNode()的优先级参数

四、进阶技巧：构建高可用AI系统

4.1 节点组合模式

复杂行为可通过"复合节点"实现逻辑复用，例如"巡逻+避障"组合：

public class PatrolWithAvoidanceNode : AINode
{
    private AINode patrolNode;
    private AINode avoidanceNode;
    
    public override bool Evaluate(IAgent agent)
    {
        return patrolNode.Evaluate(agent);
    }
    
    public override async Task Execute(IAgent agent, CancellationToken token)
    {
        // 并行执行巡逻和避障检查
        var patrolTask = patrolNode.Execute(agent, token);
        var avoidanceTask = avoidanceNode.Execute(agent, token);
        await Task.WhenAny(patrolTask, avoidanceTask);
    }
}