Sujet : game-ai
-
Champs de flux : partager une destination sans imposer un chemin unique et rigide
Construire des champs réutilisables de coût restant et de direction pour des foules, préserver la sémantique des arêtes pondérées et invalider les champs en cache lorsque leurs hypothèses de déplacement changent.
-
Utility AI : rendre les scores d'actions comparables et stabiliser les décisions
Séparer l'éligibilité d'une action de la préférence, inspecter les courbes de réponse et les combinaisons de scores, et définir des règles de changement explicites pour éviter les comportements indécis.
-
GOAP : rechercher une séquence d'actions, puis valider son exécution
Représenter explicitement les buts et les actions, séparer les effets hypothétiques du monde réel, et replanifier lorsqu'une séquence valide devient impossible.
-
Perception et mémoire de l'IA de jeu sans agents omniscients
Transformer les événements sensoriels en croyances pondérées par leur ancienneté et en conditions d'action explicites, en séparant les dernières observations de l'état réel et caché du monde.
-
Maillages de navigation, corridors de chemin et évitement local
Séparer la planification d'itinéraire, la marge de passage, le steering local et le mouvement physique permet aux agents de franchir des passages étroits et de réagir de façon cohérente à des obstacles changeants.
-
Arbres de comportement et machines à états : sélection, transitions et interruption
Choisissez une structure de contrôle d'IA d'après sa sémantique de décision et d'interruption, puis définissez pour chaque tâche qui en est responsable, comment elle se termine et comment elle est annulée.
-
Heuristiques A* : préserver le sens du coût de déplacement
Choisir une heuristique qui minore le coût réel du graphe de déplacement effectif, gérer correctement les trajets améliorés et vérifier la qualité du chemin par rapport à une recherche non informée.
Lisible par machine : JSON