《漫威蜘蛛侠》AI 复盘：失眠组如何重构战斗 AI，让「你就是蜘蛛侠」成为必然

开场：一次被现实打脸的复盘

• 自认会做战斗：Insomniac 做过《瑞奇与叮当》《日落过载》《抵抗》等动作游戏，团队以为「知道怎么做战斗、能立刻上手」——复盘的第一句就是「他们错了」。
• 更大项目、更小团队：《漫威蜘蛛侠》是工作室史上规模最大的项目，开发团队反而比《日落过载》更小，且跑在 2012 年起自研的 C++ 引擎上。
• 规模爆炸：游戏有 5 个主要敌人派系加数个小派系，每个派系 8 种通用战斗风格（主要派系还有变体与专属风格），最终折算为 64 种不同 AI 类；而体量更大的《日落过载》只有 19 个 AI 类、17 个行为树。

从行为树到数据驱动：机器人指令系统

• 旧架构的账：行为树生成行为节点，节点输出角色状态，树再控制动画与移动；一个远程敌人的简单子行为树就有 34 个节点。
• 反模式堆叠：「站在栏杆旁向外射击」这种简单行为要 5 个回调函数；节点选择逻辑催生大量修饰器与含义不明的标识。
• 为什么弃用：AI 能跑，但结构复杂、出错难查，封装好的节点无法复用，数据驱动占比越来越高——于是整体转向数据驱动方案。
• 高层架构：脚本创建总控节点 BotCommand，命令进入机器人命令序列 BotCommandQueue，行为树逐条拉出命令（StartBehavior）创建子行为或状态。
• 运行机制：Update 在指令完成后弹出队列，再调 ConsumeNextCommand 取下一条，队列为空即停止。
• 实例串链：请求控制机器人 → 前往位置 → 面向目标 → 播放动画，就能串起复杂行为。
• 收益与代价：加新技能不用改转换逻辑、状态与数据宽松匹配、可筛选开放给设计师的数据；缺点是数据结构混乱，如近战实例里的 if-else 嵌套。

数据驱动的近战连招系统

• 数据层四件套：机器人连招配置 → 连招列表 BotComboEntry → 技能组合包 BotComboMoveContainer → 基础技能节点 ComboMoveBase（承载静态数据：动画、攻击时机、子弹发射点等）。
• 行为层状态机：行为树生成近战攻击行为，进战时把连招数据交给 BehaviorUseCombo（本质是等待/移动/施放/停止的状态机），由组合包元数据（是否需要看到玩家、是否在屏幕内、施放距离）驱动状态转换与冷却。
• 选招逻辑：BotComboEntry 含冷却、连招权重、最大/最小距离，负责对当前目标选最优连招、按权重生成连招序列；BehaviorMelee 是实际使用连招的标准状态机。
• 覆盖面：游戏用这套结构处理了全部 37 种技能连招类型；数据驱动覆盖近战攻击、脚本控制的敌人行为、受击表现、格挡/闪避/反击四大模块。

同步关节：做出电影感战斗

• 漫改电影感：创意总监要求战斗与受击动画高度真实，系统把角色分成主体（攻击发起者）与客体（被攻击者），播放蜘蛛侠与互动对象成对的动作。
• 同步关节：附加在主体上的额外关节点（含位置与朝向），播同步动画时与目标匹配对齐；主要用主体关节，蜘蛛侠能对还没播反应动作的角色直接发起同步攻击。
• 三种对齐策略：主体客体连线旋转面向彼此（最常用，用于投技调方向）；客体被拉入主体位置（蜘蛛侠不动）；蜘蛛侠主动位移进目标位置（绝大多数攻击）。
• 高度差处理：同步点/释放点标记，表演镜头拉近摄像机隐藏漂浮；用蛛丝动画程序化调整；移动系统保持开启，碰撞障碍物时跳过位移指令、敌人直接平移。
• 代价：同步攻击越多，受击方越常播受击动画而显不公平；无法一次终结多个目标；每加一套新骨骼都要补同步攻击动画，成本高。

战斗节奏：指令标记与战斗管理器

• 目标：高速、流畅、动感——既让敌人有威胁，又让玩家能打流畅连招；近战与远程各有一个战斗管理器控制攻击时机。
• 初版两个标记：攻击指令（玩家刚闪避就不攻击，留喘息窗口）；优先级公式 = 已等待攻击时间 + 到理想攻击位置的距离 + 小 boss 额外值。
• 初版问题：玩家不会在计时点立刻受击，长时间遭遇战容易预测。迭代加入指令窃取（能立刻攻击的怪可抢指令）、近距离指令（玩家贴怪超 1 秒可新建攻击指令）、战斗烈度计（攻击与分发指令时累计/消耗，控制爆发）。
• 远程参数：攻击窗口、指令上限、延迟时间、冷却窗口。
• 屏幕外远程攻击：先改为只给屏幕内远程敌人发指令、全出屏时失效；最终方案是屏幕外敌人攻击间隔更长——屏幕外蜘蛛感应预警 1.5 秒，屏幕内仅 0.75 秒。
• 空中连招呆滞：近战远程混战调高冷却后，空中连招时敌人约 5 秒才反应、显得呆；引入空中进攻（Air Aggression Chance）：玩家空中连招时攻击概率渐升，到 0.5 时周围敌人 50% 概率出手。
• 仍被集火：加攻击取消列表（执行列表指令即取消所有未执行攻击指令，boss 战除外，过度重复除闪避外的指令才恢复攻击）；再加先发制人（Beat-To-The-Punch）：打击帧开启时检测来袭攻击，若己方攻击能强制敌人受击，则打击帧期间免疫——同时出手时蜘蛛侠总是先命中。

站位、特殊敌人与性能上限

• 站位的两次试错：射击游戏旧做法是预标记开火位加体积遮挡；本作需求是与大群敌人战斗却不觉得被围攻。首试在蜘蛛侠周围生成楔形区域、环形半径外扩并检测寻路有效性——玩家一动就全失效，机器人不停换位且寻路机械。
• 梯度下降终案：定义机器人自留区（个人空间红圈）加 NavMesh 边界，能量规则是红圈内推出、NavMesh 外推回；每次传入 5 个点（目标连线前后各一、过目标垂线左右各一、当前位置），按评分公式（DistanceCurrent、DistanceTarget、ClosePenalty、FarPenalty、CrossOverPenalty）取最低分。
• 圈层补丁：中型遭遇战表现好、大型战与增援刷怪差，于是恢复部分区域环，不分配具体站位而分配距离信息——内圈高优先区最多 6 人，外圈人人可站。
• 迟滞机制：比较「当前位置到理想攻击位距离 − 新位置到理想攻击位距离」与随时间变化的阈值，位移落在后退/前进滞后值之间才动，停滞越久越可能移动，用来避免来回抖动。
• 网毯：6×6 格子关节的蛛网模型，用于把敌人困在不平整表面；从生成位置上方发射射线定位关节附着点，未命中则向初始位置旋转包裹，持续扫描以适配布娃娃，附着对象移远时重新扫描。
• 鞭索敌人：常规衣物模拟不够、又需复用其他职业动画，改用程序化方案、必要时切换动画控制；限制器链由距离限制器（0-1 硬度、上下各半矫正）、弯曲度限制器（防下垂打结）、胶囊体限制器（防穿体）与地面组成，实际执行顺序是 中立→弯曲度→胶囊体→距离→地面；模拟与动画以 0-1 融合速度事件切换，任何关节不同时受两者控制，浮空对齐比例随关节离发射点越远线性增长，实现「从空中拉下蜘蛛侠」。
• 飞行与载具：飞行敌人（喷气兵、电光人、秃鹫）漂浮于 NavMesh 之上、可飞出范围，靠路点返回仍会绕障碍转圈，用红色胶囊物理检测判断能否直线接近；飞行 boss 用样条连接的体积集合活动，但数据需手动生成、不通用。卡车等移动载具战中 NavMesh 无法移动只能简化战斗区域，引擎不支持附着物件需手动更新，用移动中的杀伤体积解决被扔下车的单位穿模。
• 开放世界 NavMesh：曼哈顿随剧情实时变化，运行时生成 CPU 成本过高，改为预生成最复杂版本、用脚本按章节开关补丁数据。
• 性能上限：最大活跃敌人限制为 30 个——物理与多核分摊成本随机器人数量上涨；大量核心 AI 逻辑仍跑在主线程，机器人逻辑单帧消耗超 4 毫秒。

✦ 一句话总结：Insomniac 用一场彻底的数据驱动重构把 64 种 AI 类、30 个活跃敌人收进同一套系统，让「你就是蜘蛛侠」从目标变成必然。