UE5 感知系统实战复盘：从“看不见”到“听得见”的AI革命

引言：一个“瞎子”AI引发的血案

那是去年夏天，我们工作室接到一个开放世界潜行游戏的订单，核心玩法是玩家潜入一座军事基地，躲避AI巡逻兵的视线和听觉。项目上线Demo测试时，玩家反馈最多的一句话是：“这AI是瞎子吗？我都贴脸了它还没反应！”——那一刻，我知道，感知系统不是加个组件那么简单，它需要一次从架构到调优的彻底重写。

今天，我就以这个项目为线索，完整复盘我们如何用UE5的AIPerception系统，从“看不见”到“听得见”，最终交付一个让玩家直呼“狡猾”的AI。全程第一人称，有血有肉，有坑有解。

需求分析：从“看见”到“听见”，不是加个组件那么简单

项目初期，我们天真地以为只要给AI挂上AIPerception组件，配置好视觉和听觉刺激，就万事大吉。结果测试版一出，AI要么发呆，要么对背后开枪的玩家毫无反应。后来我们才明白，感知系统不是孤立的，它和AI的决策树、行为树、移动组件紧密耦合。

我们的需求拆解如下：

• 视觉感知：AI应能检测玩家进入视野范围，并考虑遮挡、距离、视角锥体，以及光照影响（夜间视野降低）。
• 听觉感知：玩家奔跑、开枪、或投掷物落地时，AI应能听到声音并前往声源位置调查。
• 感知融合：当视觉和听觉同时触发时，AI应能综合判断，优先处理威胁更大的刺激。
• 性能开销：场景中同时存在20+AI，每帧更新感知，必须控制在1ms以内。

这个需求列表，直接决定了我们后续的技术选型和踩坑方向。

技术选型：原生AIPerception？还是自研方案？

UE5自带的AIPerception组件已经很强大，它基于感知刺激（Stimulus）机制，支持视觉、听觉、伤害、预测等多种感知类型。但原生方案有一个致命伤：视觉感知的遮挡测试使用的是LineTrace，性能开销大，且对半透明物体（如草丛）无法正确遮挡。我们的游戏有大量草丛和灌木，玩家喜欢蹲在里面当“老六”，如果AI在草丛中还能看到玩家，那潜行玩法就崩了。

因此，我们决定：基于AIPerception扩展，重写视觉感知的遮挡逻辑，并优化听觉感知的距离衰减。同时，为了兼容行为树，我们保留了AIPerception的刺激接口，方便决策树订阅。

最终架构：

技巧：不要盲目推翻引擎自带功能，而是站在它的肩膀上扩展。AIPerception的刺激监听和感知ID机制非常优秀，我们把精力花在瓶颈上。

踩坑实录：那些年我们掉进去的坑

坑1：视觉遮挡的“透视”问题

原生视觉感知用LineTrace从AI眼睛到目标点，如果目标点落在角色胶囊体中心，而玩家蹲下时，视线可能被草丛遮挡，但LineTrace是直线，无法模拟草丛的“半遮挡”效果。结果就是：玩家蹲在草丛里，AI照样看见他。

解决思路：我们改用了SphereTrace，用球形检测来模拟视线的“体积”，同时配合EQS（环境查询系统）在目标周围生成多个采样点，判断是否有任何一个点可见。这样，草丛作为覆盖物，会阻挡部分采样点，AI只有看到足够多的点才会确认目标。

// 伪代码：EQS生成采样点后，逐个检测可见性
for (FVector SamplePoint : SamplePoints) {
    if (IsVisible(AIEyeLocation, SamplePoint)) {
        VisibleCount++;
    }
}
if (VisibleCount >= MinVisiblePoints) {
    // 确认感知到目标
}

坑2：听觉感知的“穿墙”问题

默认的听觉感知只是半径检测，声音会穿墙。玩家躲在墙后，AI依然能听到脚步声，导致玩家无法通过墙体阻挡声音来躲避。这完全不符合物理。

解决思路：在听觉检测时，我们引入了声源到AI之间的导航网格（NavMesh）路径，如果路径长度大于直线距离的1.5倍，说明有障碍物，降低听觉权重。同时，我们实现了基于距离的衰减曲线，并让玩家奔跑时的噪声半径大于走路，开枪时更大。

float PathLen = GetPathLength(SourceLocation, AILocation);
float DirectLen = FVector::Dist(SourceLocation, AILocation);
float ObstructionFactor = PathLen / DirectLen;
if (ObstructionFactor > 1.5f) {
    HeardStrength *= 0.2f; // 障碍物阻挡
}

坑3：多AI感知冲突

当多个AI同时感知到玩家，它们会各自为战，导致玩家被围殴。我们需要AI之间共享感知信息，协同行动。

解决思路：在GameMode中维护一个共享感知管理器，AI检测到目标后，将目标信息广播给一定范围内的友军，形成“信息共享”。这样，一个AI发现了玩家，其他AI也会警觉，并向目标区域包围。

注意：共享感知要控制范围，避免全图AI都来追玩家，导致性能爆炸和玩法失衡。我们使用了“感知链”机制，只传播给视线内或距离近的友军。

核心技术实操：打造“听得见”的AI

下面我们重点看看听觉感知的实现细节，因为视觉感知大家讲得多，听觉才是我们这次项目的制胜法宝。

基于自定义类扩展听觉感知

我们继承了UAIPerceptionComponent，重写了听觉刺激的处理逻辑。核心思路是：将声音事件包装成刺激源，附带位置、强度、音频类型（脚步声、枪声、爆炸声）。

UCLASS()
class UMyAIPerceptionComponent : public UAIPerceptionComponent {
    GENERATED_BODY()
public:
    virtual void OnNewStimulus(const FVector& Location, float Strength, EAISenseId SenseId) override;
private:
    float CalculateAudibility(float Distance, float Strength, float Obstruction);
};

在OnNewStimulus中，我们根据距离和障碍物计算可听度，并决定是否产生感知刺激。

声音事件驱动的感知融合

为了让AI“听声辨位”，我们实现了音源类型与AI状态机联动：

• 如果AI处于巡逻状态，听到噪音会进入“调查”状态，前往声源位置。
• 如果AI处于战斗状态，听到枪声会立即转向声源方向，并进入警戒。
• 如果AI同时看到玩家和听到声音，会选择视觉目标优先，但听觉会作为辅助线索。

我们用一个权重公式来融合：

FinalStimulus = VisualStimulus * VisualWeight + HearingStimulus * HearingWeight;

视觉权重默认更高，但如果玩家在黑暗中，视觉权重降低，听觉权重上升，这就鼓励玩家利用环境声音来引开AI。

性能优化：分帧检测和空间分区

场景中20个AI，每个每帧做视觉和听觉检测，CPU压力很大。我们采用了分帧检测：每帧只处理一部分AI，比如每帧处理5个，分4帧完成全部更新。同时，用空间哈希将AI和声源分区，只检测附近的对象。

// 分帧检测伪代码
int32 AIIndex = GetCurrentFrameIndex() % TotalAI;
for (int32 i = 0; i < NumPerFrame; ++i) {
    int32 AIIdx = (AIIndex + i) % TotalAI;
    UpdatePerceptionForAI(AIIdx);
}

实测性能从每帧4.5ms降到1.2ms，效果显著。

成果展示：从“瞎子”到“战狼”

经过重构，我们的AI在测试中表现出色：

• 玩家在草丛中蹲行，AI在2米外发现不了，但一旦靠近或发出声音，AI会立刻警觉。
• 玩家在墙体后面奔跑，AI能听到声音，但不会知道具体位置，而是到声源附近搜索。
• 玩家故意投掷石头引开AI，AI会前往声源点，但不会完全放弃巡逻路线，而是调查后返回。

玩家反馈：“AI终于像人了，会听声辨位，还会包抄，太刺激了！”

这个项目的成功，让我深刻体会到：UE5的AIPerception系统是一套优秀的框架，但真正让AI“活”起来的，是开发者对游戏机制的理解和调优。希望这篇复盘能帮你在AI感知的深水区少踩坑。

最后一条建议：不要拘泥于参数，先想清楚你的游戏需要什么样的感知行为，再去调整引擎。感知系统的本质是“信息管理”，而不是一堆数值。