最近在学习虚幻引擎Unreal engine 5人工智能模块，需要使用Btree blackboard,请问为什 麽要blackboard?能给我一个比喻增进了解吗？ 使用 Unreal Engine 5 的 AI 模块时，`Blackboard`（黑板）是与 `Behavior Tree`（行 为树）协同工作的关键组件。它之所以重要，是因为它提供了一种集中且灵活的方式来储存 和管理 AI 代理（Agent）的资料。 ### 为什麽需要 Blackboard？ 想像一下，一个 AI 角色（例如游戏中的敌人或友方 NPC）需要做出各种决策。这些决策可 能基於： * **当前状态：** 它受伤了吗？它看到玩家了吗？ * **目标：** 它要去哪里？它要攻击谁？ * **环境资讯：** 附近有没有掩体？有没有道具可以捡？ 如果这些资讯分散在行为树的各个节点中，就会变得非常难以管理和协调。例如，一个行为 树节点负责「寻找玩家」，另一个节点负责「攻击玩家」，它们都需要知道「玩家的位置」 。如果没有一个共享的地方来储存这个资讯，每个节点都需要自己去获取，这会导致： 1. **重复的逻辑：** 每个节点都有一段代码来获取相同的资讯。 2. **难以修改和维护：** 如果玩家位置的获取方式改变了，你需要修改所有相关节点。 3. **行为树逻辑与资料耦合：** 行为树的节点应该专注於**做什麽**，而不是**知道什 麽**。 `Blackboard` 就像一个共享的记忆体区域，让行为树的各个节点可以读取和写入资讯，而 不需要直接互相沟通。这使得行为树的逻辑可以保持乾净和专注。 ### 比喻：餐厅的服务生和厨师 让我给你一个比喻来增进了解： 想像你经营一家非常繁忙的餐厅，有： * **服务生（Behavior Tree）：** 他们负责处理顾客的点餐、上菜、结帐等等。他们有很 多不同的任务，而且会根据情况做出不同的决定。 * **厨师（AI 的不同行为逻辑，例如「寻路」、「攻击」）：** 他们负责准备菜肴。 * **`Blackboard`（点菜单/订单墙）：** 这是一块巨大的、所有人都看得到的白板，上面 写着： * 桌号：5，顾客点了牛排（`目标：攻击玩家`） * 桌号：3，顾客说不吃辣（`状态：玩家受伤`） * 桌号：7，顾客要求加一瓶可乐（`环境资讯：发现道具`） * 下一道菜是「红酒炖牛肉」（`目标：走向某个位置`） **没有 `Blackboard` 的情况（传统硬编码）：** 如果没有这块点菜单，服务生每次接到点餐，都必须直接跑到厨房，对着厨师喊：「3 号桌 要一份意面！」然後，当意面做好後，厨师又必须直接找到那个服务生说：4 「3 号桌的意 面好了！」 这会导致： * **混乱：** 大量的服务生和厨师之间直接对话，非常吵杂。 * **效率低下：** 服务生需要不断跑到厨房，厨师也需要记住每个服务生负责哪张桌子。 * **难以扩展：** 如果增加了新的菜品或服务生，沟通会变得更加复杂。 **有了 `Blackboard` 的情况：** 现在，服务生只需要将顾客的点餐写在 `Blackboard` 上（例如：「3 号桌，意面」）。厨 师会不断地查看 `Blackboard`，一旦看到有新的订单，就开始制作。菜肴做好後，厨师也 会在 `Blackboard` 上标记「3 号桌意面已完成」。服务生看到标记後，就去取菜并上桌。 **对应到 AI 系统：** * **服务生（Behavior Tree）：** 它会不断地检查 `Blackboard` 上的资讯，根据这些资 讯决定接下来要执行哪个行为节点（例如，看到 `玩家位置` 资讯，就执行 `移动到玩家` 节点；看到 `玩家生命值低`，就执行 `寻找药水` 节点）。 * **厨师（AI 的不同行为逻辑）：** 不同的行为逻辑会把他们需要分享的资讯写到 `Blac kboard` 上。例如，「感知系统」发现了玩家，就会把「玩家位置」写到 `Blackboard` 上 。 * **`Blackboard`：** 储存了 AI 代理需要了解的各种资讯，例如： * `玩家位置`（目标） * `敌人生命值`（状态） * `是否被发现`（状态） * `最近的掩体位置`（环境资讯） * `寻路目标点`（目标） **总结来说，`Blackboard` 在 AI 系统中扮演的角色是：** 1. **集中储存：** 提供一个单一的、共享的资料储存位置。 2. **解耦：** 将行为树的逻辑（做什麽）与 AI 的状态和目标资料（知道什麽）分开， 使得行为树更简洁、可读性更高。 3. **灵活性：** 不同的行为树节点可以方便地读取和写入共享的资讯，即使它们位於行 为树的不同分支中。 4. **可扩展性：** 增加新的 AI 行为或资讯类型时，只需要修改 `Blackboard` 的结构 ，而无需修改行为树的许多节点。 所以，`Blackboard` 就像一个 AI 角色的大脑，负责储存它需要了解的一切，而行为树则 像大脑中处理决策的逻辑单元，它会根据大脑中的资讯来做出行动。这让 AI 的行为设计变 得更加模组化和易於管理。 你这个类比非常棒，而且捕捉到了 `Blackboard` 的一个核心特性，但也有一些细微的差别 。 ### `Blackboard` 与消息伫列的相似之处 你提到「消息伫列」中，消费者从中间获取生产者的消息，并且将生产者类比为黑板（或厨 师透过菜单墙沟通），这个理解是**部分正确且很有洞察力**的。 相似之处在於： * **解耦（Decoupling）：** 两者都实现了生产者和消费者之间的解耦。生产者（例如，A I 的感知系统发现了玩家）不需要直接知道谁会使用这个资讯，它只需将资讯写入 `Blackb oard`。消费者（行为树的某个节点）也不需要知道是谁生成了这个资讯，它只需要从 `Bla ckboard` 读取。 * **集中式资讯储存：** `Blackboard` 就像一个消息伫列或资料库，提供一个中心点来储 存和访问数据。 ### `Blackboard` 与消息伫列的差异 然而，`Blackboard` 和传统的「消息伫列」模式之间存在一些关键的差异，这也是为什麽 它被称为「黑板」而不是「消息伫列」： 1. **持久性与状态：** * **消息伫列：** 消息通常是**暂时的**，一旦被消费者处理，通常就会从伫列中移 除。它更侧重於「事件流」或「任务分发」。 * **`Blackboard`：** 储存的是 AI 的**当前状态和目标**，这些资讯通常是**持久 的**，直到被明确修改或删除。它更像是一个共享的「记忆体」或「资料库」，反映了 AI 当下的「心智状态」。厨师在菜单墙上写下「红酒炖牛肉」并不是一个即时消息，而是「这 道菜需要制作」的**状态**，直到它被完成。 2. **拉取模型与推送模型：** * **消息伫列：** 虽然有时可以是拉取，但许多消息伫列也支援「推送」模型，即消 息到达时通知消费者。 * **`Blackboard`：** 主要是一个**拉取模型**。行为树的节点会**主动去查询** `B lackboard` 上的资讯，而不是被动地等待消息被推送到它们。例如，行为树的「攻击节点 」会主动去 `Blackboard` 上查询「玩家位置」这个键，而不是等待「玩家位置」这个消息 被推送过来。 3. **语义差异：** * **消息伫列：** 更侧重於「事件」和「命令」。例如：「玩家被发现了！」或「开 始攻击！」。 * **`Blackboard`：** 更侧重於「事实」和「状态」。例如：「玩家当前位於 (X, Y, Z)」、「AI 的生命值是 50」、「下一个路径点是 A」。 --- ### 总结 所以，你的比喻非常贴切地解释了**解耦**和**集中式资讯共享**的核心概念。 `Blackboard` 更像是一个**共享的「资料库」或「事实储存库」**，它包含着 AI 代理「 知道什麽」的所有当前资讯。行为树则根据这些「事实」来决定「做什麽」。 厨师在菜单墙上写下的「红酒炖牛肉」这个资讯，的确类似於 `Blackboard` 上的一个「键 值对」，它代表了一个「待办事项」或「目标状态」，而不是一个会立即消失的「事件」。 因此，你可以这样理解： * **消息伫列**更像是餐厅里传递的「口头消息」或「小纸条」，一旦传达，信息就完成其 使命。 * **`Blackboard`**更像是餐厅墙上那张**持续更新的「订单总览板」**，上面记录了所有 桌子的当前状态、待处理任务和已完成的项目，所有人都随时可以去查看。 这样想，是不是能更清楚地理解两者之间的细微差别了呢？ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.82.133.253 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/heart/M.1748054494.A.6DD.html