UE4中AI如何学习？行为树入门一篇讲透

后台有个问题被问了三遍：UE4中AI如何学习？问的人大多是刚入坑的独立游戏开发者，被"AI"这个词带偏了方向，以为要啃机器学习。先泼盆冷水：UE4里99%的游戏AI跟机器学习没关系，行为树才是主角。这篇我拿自己做过的第三人称demo当例子，把行为树、黑板、感知这三样东西一次讲透，顺带贴上我的入门时间线和踩过的坑，你照着走能省不少弯路。

先正名：UE4中AI如何学习，答案是基本不学习

原子答案：UE4的AI是"决策"不是"学习"——行为树根据当前状态选动作，状态变了动作跟着变，但规则本身不进化。想让游戏AI真正自我进化，那得另接强化学习框架，属于进阶玩法，入门阶段不用碰。

这话不是我发明的。行为树这个结构上世纪就有了，从游戏工业里长出来，Halo系列是最早的大规模应用者之一，维基百科的行为树词条里能翻到这段历史。它的哲学是"设计师想清楚所有情况，AI照着执行"。所以你调游戏AI的手感，调的其实是设计，不是训练。真正用学习驱动的游戏AI存在，比如早年DeepMind拿星际2做的实验，但那是研究项目，跟你在UE4里做小怪是两个世界。想了解那条线的，可以看我之前写的游戏AI强化学习入门，这里不展开。

厘清这个概念后，入门的心理负担会小一半。你要学的是一套可视化的决策编排工具，不需要数学。

三件套分工：行为树、黑板、感知系统各干什么

原子答案：黑板是AI的记事本，存"看到玩家没""血量多少"这类状态；行为树是决策脑，按优先级决定此刻干什么活；感知系统是眼睛耳朵，往黑板上写"我看到敌人了"。三者的数据流是单向的：感知写黑板，行为树读黑板。

拆开说。黑板（Blackboard）本质一组键值对，你可以理解为AI的短期记忆，里面放布尔、向量、对象引用。行为树（Behavior Tree）从根节点往下走，Selector节点是"或"的逻辑——从左到右试，哪个成功走哪个；Sequence节点是"且"——挨个执行，一个失败整条腿断掉。感知（AIPerception）组件挂在控制器上，配置视觉和听觉范围，玩家一进视野，它就往黑板里那个"是否发现敌人"的键写true。行为树下一帧读到true，巡逻分支立刻让位给追击分支。

官方文档这三块的入口在Unreal Engine AI 文档，中英文都有，照着第一篇做就能出雏形。

我的demo实操：一只小怪的三态行为树怎么搭

原子答案：搭一棵三层的行为树——根下挂"战斗、追击、巡逻"三个分支，靠黑板上的两个布尔值切换状态。配一条巡逻路线加一个感知组件，总共花了我两个晚上，调试占了一半时间。

上干货，直接讲我的搭建过程。角色蓝图里挂AIController，控制器里建黑板组件和行为树组件，BeginPlay时运行资产。感知配置我给的视觉半径1200单位、视角前70度，丢失目标后再保持3秒记忆——这3秒是手感的关键，太短小怪显得失忆，太长显得阴魂不散，我试了五个值才定下来。

行为树结构画出来是这样：根节点接一个Selector，从左到右挂"受击反击""追击攻击""默认巡逻"。追击分支里套Sequence：先看黑板里有没有目标，有就移动到玩家位置，到位后执行攻击节点，攻击节点里我加了1.2秒的冷却装饰器。巡逻分支里放一个沿巡逻点循环移动的任务，配一个持续的等待节点，间隔2秒。就这些，三态小怪成了。

调试那半个晚上最冤。小怪死活不追人，我查了行为树查蓝图，最后发现是感知组件的"侦测源"没绑定玩家Pawn，一个复选框的事，官方模板里默认勾的，我手搓的时候漏了。这种坑文档里不会加粗标红，只能自己踩。所以我建议入门者先跑通官方的AI模板再手搓，顺序别反。

跑个题讲讲我的入门时间线，供参考。第一周我只看概念，行为树Selector和Sequence的区别在纸上画了又画，跟当年学电路图似的。第二周跟做官方模板，中途被任务节点和装饰器的执行时机卡了整整两天，最后是在论坛一个十年前的帖子里看懂的。第三周手搓demo，就是上面那只小怪。第四周加了群体行为，三只小怪围殴玩家，用了简单的环境查询系统EQS选包抄位。整一个月，业余时间，没报班。学习资源怎么筛我也踩过坑，B站教程质量方差极大，我的筛法写在B站学AI完整指南里，同样适用于UE教程。

话说回来，别贪快。我见过群里不少新人第一天就想做BOSS的连招AI，行为树搭出几十个节点，改一个分支全线崩。从三态小怪开始，加状态时你会感谢最初的克制。

行为树之外：UE4游戏AI还能怎么进阶

原子答案：三个进阶方向——EQS环境查询系统让AI会挑位置，状态机和行为树混搭处理复杂流程，导航网格参数调优解决卡墙绕柱。机器学习那条线放最后碰，投入产出比对独立开发者不友好。

三样挨个说。EQS是被低估的宝贝，它让AI在空间里做选择题，掩体后面、玩家侧翼、逃跑路线，用打分机制选最优位置，我的包抄小怪就是它做的，效果立竿见影。状态机和行为树混搭是个工程技巧，AI的大阶段（待机、战斗、剧情）用状态机管，各阶段内部细节用行为树，行为树的复杂度能压住。导航调优最朴素也最见功力，NavMesh的代理半径、寻路频率，参数差一点，玩家就能感觉出这怪"聪明"还是"智障"——游戏AI的智商，一半藏在导航里。这些进阶玩法跟红警那种老游戏的AI思路也有传承，我拆过红警3的AI行为逻辑，对照着看更有味道。

至于给UE4接强化学习，官方有ML-Agents同类方案，研究者玩的东西。想做"会成长的BOSS"的独立开发者，我的建议是先用行为树把"看起来聪明"做扎实，那已经是玩家的全部体验了。

常见问题

UE4中AI如何学习？需要先学机器学习吗？

不需要。UE4的游戏AI靠行为树做规则决策，不涉及训练模型。零机器学习基础也能上手，需要的只是蓝图基础和一点逻辑思维。

行为树和状态机选哪个？

新手先学行为树，UE4的可视化编辑器对它支持最好。状态机适合管理大阶段的切换，两者混搭是成熟做法，但入门阶段别急着混。

学UE4的AI需要会C++吗？

入门不需要，蓝图能覆盖三态小怪的全部需求。想深度定制任务节点和感知逻辑时再上C++，那时你已经有明确的需求驱动，学起来快得多。

从零到做出能玩的AI大概要多久？

按我的业余时间表，一周懂概念，两周出三态小怪，一个月能到群体行为。全职投入可以压缩一半，但调试环节省不掉，那是手感养成的必经之路。