仿赛马路径如何实现？

Creator 3.x
#1

仿赛马比赛，8匹马在赛场上跑一圈，按系统预生成的结果名次演示。
打算用贝塞尔曲线之类实现按路径跑，可是会发生马重叠在一起，特别在拐弯的时候，有什么好的实现方法呢？用的是3D模型场景

RaceCourse

#2

啊，没看过赛马，不是只能在自己的道跑么。。。

1赞
#3

赛马不是像田径场那样分道的，如果分道跑就很好实现了。 :rofl:

#4

这个可以分

#5

不分赛道的话 一个3d寻路导航应该可以实现了navmesh寻路 就是有点大

#6

如果你是要做一个赌马游戏，那关键应该是按照预先的顺序跑出结果

每匹马都有各自的跑道，各自不做碰撞检测，只做深度遮挡排序。

模拟跑：
先循环执行跑马逻辑，直至所有马抵达终点，记录关键帧数据（每匹马水平速度、垂直速度、持续时间）。注意，这里不需要播动画，只是循环运算数据，得出结果。

真实跑：
模拟跑结果与预期排名做比较，把不符合预期名次的马数据进行交换，使符合排名预期。在update里，利用交换后的模拟跑数据运算并渲染，就是符合预期的动画了

整体思路类似即时战略的Replay

#7

需求是模拟真实赛马比赛，不分道，拐弯的时候每匹马都会抢占内湾。想不到怎么演示好了 :rofl:

#8

用贝塞尔曲线呗，每局开始把路径计算好，然后播放就行了

#9

加上刚体分组就不重叠了，想超越只能跟真实赛跑一样从外道超越

#10

RVO…

#11

初始每匹马各占一道，比赛开始后每匹马每隔N秒变换一次水平速度X、垂直速度Y，并记录下来

N、X、Y都是伪随机数

这样就可以表现出互相抢道的效果，并不是自始至终都只在自己跑道上

实现这个就已经可以模拟真实赛马画面了

你一定要实现碰撞，只要简单的矩形检测就行，外道不能挤压内道

这样会稍微复杂一点，个人觉得没必要

#12

Context Steering
https://github.com/RubenFrans/ContextSteering-Unity

1赞
#13

我认为用rvo2 已经足够， 在已知全程路径的情况下， 每匹马都会选择位移或减速避开完全满足需求， 只需要定时更新每匹马的速度

#14

我问了一下AI：

Context Steering Behaviors （上下文导向行为）是一种用于游戏AI的决策系统，特别适用于需要精确控制和复杂行为的场景，比如赛车游戏。它的核心思想是通过 上下文地图 （Context Maps）来指导实体的行为，而不是直接依赖传统的 导向行为 （Steering Behaviors）。以下是它的详细描述：

1. 上下文地图（Context Maps）

  • 上下文地图 是Context Steering的核心机制。它由两个主要部分组成： 兴趣地图 （Interest Map）和 危险地图 （Danger Map）。
    • 兴趣地图 ：表示实体希望前往的方向或目标。例如，在赛车游戏中，兴趣地图可能表示赛道的理想路线或超车机会。
    • 危险地图 ：表示实体需要避免的区域或障碍。例如，其他车辆、赛道边缘或障碍物。
  • 每个地图由多个 槽位 （Slots）组成，每个槽位代表一个可能的方向或位置。槽位的值表示该方向的兴趣或危险程度。

2. 决策过程

  • 危险地图处理 ：首先，系统会遍历危险地图，找到危险值最低的区域，并屏蔽掉所有危险值较高的槽位。
  • 兴趣地图处理 ：将危险地图的屏蔽结果应用到兴趣地图上，移除所有被屏蔽的槽位。
  • 选择最佳方向 ：在剩余的槽位中，选择兴趣值最高的方向作为实体的移动目标。
  • 速度控制 ：移动速度与兴趣值成正比。兴趣值越高，实体移动得越快。

3. 子槽位移动（Subslot Movement）

  • 为了在低槽位数的情况下实现平滑的连续移动，Context Steering引入了 子槽位移动 。
  • 在确定目标槽位后，系统会评估周围槽位的兴趣梯度，并估计这些梯度的交汇点。
  • 通过将虚拟槽位索引反向投影到世界空间，生成一个更精确的移动方向。

4. 赛车游戏中的应用

  • 在赛车游戏中，Context Steering特别适合处理复杂的驾驶行为，如超车、避障和保持赛道位置。
  • 坐标系统 ：赛车的行为通常被限制在赛道的左右偏移范围内，而不是完全自由的2D空间。Context Steering通过一个标量（左右偏移）和一个速度控制标量来管理赛车的行为。
  • 上下文地图的可视化 ：可以将上下文地图视为赛道的横截面，每个槽位代表赛道上的一个特定偏移位置。地图的宽度与赛道的宽度一致，左右边缘分别对应赛道的左右边界。

5. 优势

  • 低耦合 ：Context Steering的行为组件是小型且无状态的，易于维护和扩展。
  • 高效性 ：通过低槽位数和子槽位移动，系统在保持高性能的同时实现了平滑的连续移动。
  • 精确控制 ：能够保证任何所需的移动约束，避免传统导向行为中常见的碰撞和不一致问题。

6. 实际案例

  • 在《F1 2011》中，Context Steering取代了传统的导向行为，代码量减少了4000行，同时AI在避障、超车等行为上表现更佳。

总结来说，Context Steering通过上下文地图和子槽位移动机制，提供了一种高效、精确且易于维护的行为决策系统，特别适合赛车游戏等需要复杂行为控制的场景。

#15

:+1: 厉害，总结这么到位。

#16

:laughing:感觉各位提供的思路，我都尝试去看看

#17

感觉各位提供的思路 :laughing:

#18

ai干这活强啊，直接把项目喂给ai让它写个creator的ts版本是不是也可以 :thinking:

#19

你会发现写出来后跑不了， 让ai修， 越修越奇葩， 最后还是自己去修bug :joy:

#20

想了一个：各位看看行不行
用二维数组做一个地图，不用考虑贝尔塞，你地图数据设置好了，马儿自然是围着圈跑。寻路算法修改一下，只能顺时针方向跑（主要就优化这里）
考虑碰撞，马跑到一个格子，就把这个地图格子数据设置不可经过，离开的时候再设置可经过，实时寻路，只需要寻下一个位置就行（只寻一个位置，计算量也不大），因为你的游戏地图决定了，一定能寻到路。后面的马儿寻路的时候，就不会挤到一个地方