TomLooman_ActionRoguelike_第十章基础AI与行为树
该专栏用于保存对TomLooman的ActionRoguelike项目的学习笔记，学习过程中的思考与记录不一定准确。
教程参考：https://github.com/tomlooman/ActionRoguelike
基于UE5.0的项目实现：https://github.com/CarolBaggins2023/TomLooman_ActionRoguelike_Tutorial
2023_08_08
基础AI与行为树：机器人的行为和运动，自定义检查攻击范围的行为树服务
AI机器人类似于玩家控制的角色，不同的是它受到AIController的控制，因此要创建AI机器人，我们创建一个Character类和一个AIController类。
SAICharacter与之前创建的SCharacter类似，但不需要实现SetupPlayerInputComponent函数，因为AI机器人不需要玩家的输入。
不同的是，在SAICharacter的蓝图子类中，我们要将自己创建的AIController蓝图子类赋值给AI Controller Class。
在AIController中，我们可以通过RunBehaviorTree执行行为树来控制机器人的行为，为此我们需要先在AIController类中声明一个行为树变量，然后在编辑器中赋值。
我们可以如下创建自己的行为树和黑板，其中行为树控制对象行为逻辑，黑板则保存行为树中要用到的数据。
在行为树中，我们可以将黑板赋给行为树，这样就能在行为树中使用黑板存储的数据。
我们先制作如下的简单行为树，其中Sequence节点从左至右顺序执行其子节点，但执行完所有子节点或者某个子节点失败时停止。MoveTo节点使用导航系统移动到某个位置或Actor，由黑板中的变量决定。
我们创建了一个行为树后，还要将其赋值给AIController的行为树成员变量，这样才能通过AIController控制机器人执行该行为树。
所以，AICharacter、AIController、行为树、黑板之间的关系是，AICharacter的行为受AIController控制，AIController可以拥有行为树成员变量，并让AICharacter执行行为树，行为树拥有黑板，可以使用黑板中的数据。
另外，要让机器人运动，我们要给机器人划定导航网格（可能是因为类似MoveTo的行为用到了导航网格），也就是下图中的绿色区域，我们在PlaceActor中可以放置导航网格，并在世界中对导航网格进行放大和缩小。
上面的行为树暂时还无法执行，因为我们在MoveTo节点用到了黑板中的Vector变量MoveToLoaction，当现在还没人给这个变量赋值。那么我们就应该在某个地方给这个变量赋值，我们在AIController中执行这一步操作（可能是因为行为树是AIController的成员变量，被它直接调用）。
不要被下面的代码误导，我们并不是通过机器人的Pawn来访问行为树的黑板，这里的MyPawn只是为了获得玩家的位置，然后将位置值赋给黑板中的变量。我们也不需要先访问行为树成员变量，再访问行为树的黑板，而是可以通过GetBlackboardComponent直接访问黑板，并用SetValueAsXXX给黑板中某个类型的变量赋值。
除了向上面那样用MoveTo节点让机器人移动到某个具体位置之外，我们还可以让机器人移动到某个Actor，实现方式类似。当然，此时黑板中要存在一个Actor类型的变量，
当我们测试机器人时，有两种方法，可以结合使用。
第一种是直接看行为树的执行流，以及黑板中的变量，跟测试蓝图类似，
第二种是运行时按引号键，使用GameplayDebugger，
为了让信息在Gameplay调试器中更加易读，我们可以在行为树中修改节点的名字，
当世界中有两个机器人时，按下引号键时会显示处于屏幕中心的机器人的信息。
因为我们希望机器人是远程单位，能够在距离角色一定距离的地方停下，所以我们对行为树进行如下修改，
其中的Selector节点不同于Sequence节点，它不会顺序执行所有子节点，而是只执行第一个为true的子节点，所以配合Blackboard节点使用。Blackboard节点会检查给定的黑板键，也就是黑板中的变量，是否设置了值，类似于检查空值的if语句。
这里Blackboard节点检查黑板中一个名为bWithinAttackRange的bool变量是否为false，这变量表示玩家是否在机器人的射程内。那么从逻辑上来说，在机器人运行过程中，应该会有一个函数，在每个Tick计算机器人与玩家的距离，并与机器人的射程比较。
要实现这样的Tick效果，我们可以使用行为树中的Service（服务）节点。Service节点的特点是，当其分支被执行，节点就会以一定频率执行，这些节点常用于检查和更新黑板。
我们可以通过Add Service添加Service节点，Service节点具体的执行内容由我们自己定义。我们可以创建行为树Service节点类，并实现其中的TickNode成员函数。
TickNode的实现如下。
我们从想求的目标出发思考实现中需要得到哪些东西。我们最终需要得到一个bool值，这个bool值表示玩家是否在机器人的攻击范围内。为了得到这个bool值，我们需要求得机器人与玩家之间的距离，那么就需要得到指向玩家和机器人的指针。
（在以下逻辑中要注意，我们的Service节点是附着在行为树上的，所以能直接访问到的是行为树。而且和使用行为树的AIController不同，Service节点不能直接访问黑板。）
然后再来看这个函数的实现。先考虑怎么获得玩家的指针，回想我们这个行为树的逻辑，机器人在离玩家一定距离时停下，所以有一个MoveTo(TargetActor)的节点，那么黑板中也就必然有一个TargetActor对象（在AIController的构造函数中赋值），那么我们就可以通过访问黑板来得到指向玩家的指针。因此，我们先通过OwnerComp.GetBlackboardComponent
得到黑板组件，OwnerComp是行为树的引用。再通过BlackboardComp->GetValueAsObject("TargetActor")得到黑板中的TargetActor变量，也就是指向玩家的指针，因为GetValueAsObject，返回的是UObject类型的指针，所以还需要进行Cast。
然后我们要考虑怎么获取指向机器人的指针，我们现在能访问到行为树组件，而行为树组件又被AIController拥有，所以我们能访问AIController，而AIController又直接控制着机器人，这样我们就能访问到机器人了。因此，我们先通过OwnerComp.GetAIOwner得到AIController，再通过AIController->GetPawn得到AIController控制的机器人。
得到玩家和机器人后，通过FVector::Distance就能得到两者在世界中的距离，并与表示机器人攻击距离的Service节点类的成员变量作比较，得到想求的bool值。
我们又在上面的基础之上多做了一步。因为有时即使玩家和机器人距离很近，但是要是隔着一堵墙，机器人实际上也无法攻击到玩家，所以最后返回的bool值应该是上面距离的bool与“机器人能否看到玩家”的与逻辑（这里先不考虑空气墙的情况）。通过AIController->LineOfSightTo(TargetActor)我们可以得到“机器人能否看到玩家”的结果。
最终，我们通过BlackboardComp->SetValueAsBool(AttackRangeKey.SelectedKeyName, bWithinRange && bCanSee);对黑板中的变量进行赋值。其中，AttackRangeKey.SelectedKeyName可以用硬编码，也就是距离的变量名替代，也可以创建FName类型的成员变量。推荐的是像这里一样在Service节点类中创建一个黑板条目类型的成员变量，然后在行为树的具体Service节点中与黑板中的变量进行绑定。
在上述代码的编译中会遇到一个unresolved external symbol报错，具体原因没听明白。解决这个报错，要在Build.cs中进行修改。具体看教程。
我们希望当玩家远离机器人时，机器人会立刻接近玩家，而不是执行Wait节点5s，再去接近玩家。也就是说，当判断距离的bool变量改变时，应该中断当前节点的任务，重新执行父节点。
之前我们提到Blackboard节点类似于一个if函数，它能判断黑板的某个变量是否为空。Blackboard节点中的ObserverAborts参数还可以用来控制中断，在ObserverAborts不是None时，Blackboard节点将监听行为树中的其它任务。当Blackboard节点判断为true时，触发ObserverAborts参数规定的中断类型，中断行为树中的任务，并执行更高优先级的任务。
中断类型包括Self，LowerPriority和Both。当值为Self时，Blackboard节点会监听自己这棵子树，当中断条件被满足时，中断自身。当值为LowerPriority时，Blackboard节点监听比自己优先级低的子树，当中断条件被满足时，会中断这个优先级更低的节点。Both则会同时监听并中断自身和优先级更低的节点。
节点的优先级同时由节点类型、条件判断和ObserverAborts参数的设置决定。深度越深的节点，优先级越低。这里因为条件判断和ObserverAborts参数的原因，左节点比右节点的优先级高。
