Ваш моб-шутер: враг видит игрока сквозь стены, реагирует за 0.02 секунды — игроки уходят через день. Знакомо? Это типичная ошибка: отсутствие системы восприятия и наивный конечный автомат. Мы в команде с 5+ годами опыта в мобильном геймдеве решаем эту задачу за 2–4 недели. Комбинируем деревья поведения (Behaviour Trees), физически честные сенсоры и адаптивную сложность (DDA). Разработка AI противников — одна из наших ключевых компетенций. Результат: противник, который чувствуется живым, но не читерит. За 5 лет на рынке мы реализовали AI для 15+ мобильных игр, снижая churn игроков в среднем на 20%.
Почему Behaviour Trees — выбор для нетривиальной боёвки?
Behaviour Trees — иерархическая структура из Selector, Sequence, Condition, Action нод. В 3–5 раз проще масштабировать, чем FSM: вместо запутанного графа состояний — чёткое дерево. При 10+ поведений BT ускоряет отладку в 2–3 раза. FSM подходит для 3–4 состояний (Patrol→Chase→Attack), но при усложнении граф взрывается. BT — выбор для нетривиальной боёвки.
// Unity: упрощённый Sequence node
public class SequenceNode : BehaviourNode {
private List<BehaviourNode> children;
private int currentIndex = 0;
public override NodeStatus Tick(AIContext context) {
while (currentIndex < children.Count) {
var status = children[currentIndex].Tick(context);
if (status == NodeStatus.Running) return NodeStatus.Running;
if (status == NodeStatus.Failure) {
currentIndex = 0;
return NodeStatus.Failure;
}
currentIndex++;
}
currentIndex = 0;
return NodeStatus.Success;
}
}
Мы используем параллельные таски для одновременных действий (стрельба + движение), приоритетные селекторы для срочных ситуаций (уворот от гранаты). Каждый тик обновляет черную доску (Blackboard) — разделяемое хранилище данных между нодами. Это позволяет гибко управлять состоянием без глобальных переменных.
Как AI видит игрока: система восприятия
Ключевой вопрос — не «что делает противник», а «что он знает о мире». Без нормальной системы восприятия BT-дерево работает с телепатией: враг знает позицию игрока через стены, реагирует мгновенно.
Field of View — конус видимости с углом и дальностью:
bool CanSeePlayer(Transform enemy, Transform player, float viewAngle, float viewDistance) {
Vector3 dirToPlayer = (player.position - enemy.position).normalized;
if (Vector3.Angle(enemy.forward, dirToPlayer) > viewAngle / 2f)
return false;
float dist = Vector3.Distance(enemy.position, player.position);
if (dist > viewDistance) return false;
return !Physics.Raycast(enemy.position, dirToPlayer, dist,
LayerMask.GetMask("Obstacles"));
}
Hearing — звуковые события через очередь: шаги, выстрелы, падение предметов. Каждое событие имеет радиус и затухание. Memory — запоминаем последнюю известную позицию, патрулируем её, если потеряли цель.
Что такое DDA и как оно подстраивает сложность?
Фиксированная сложность — плохо. Dynamic Difficulty Adjustment адаптирует поведение под результаты игрока. Параметры загружаются из конфига — дизайнер меняет без перекомпиляции.
| Параметр | Лёгкий | Средний | Сложный |
|---|---|---|---|
| Реакция на игрока | 1.2 сек | 0.6 сек | 0.2 сек |
| Угол обзора | 60° | 90° | 120° |
| Точность стрельбы | 40% | 70% | 90% |
| Время патрулирования | 8 сек | 5 сек | 3 сек |
DDA автоматически сдвигает параметры на основе win rate игрока за последние N сессий. Это экономит до 30% времени на ручной балансировке и удерживает игрока в потоке. Wikipedia: Dynamic game difficulty balancing
Как обеспечить производительность на слабых устройствах?
AI тики не должны выполняться каждый кадр. Для 20 противников на сцене:
| Метод оптимизации | Эффект |
|---|---|
| BT Tick каждые 100–200ms | Снижение CPU на 40% |
| Raycast через LOD (дальние враги реже) | Экономия 50% затрат на физику |
| Pathfinding только при смене цели | Плавные 60 FPS на устройствах 5-летней давности |
Unity NavMesh на мобильных устройствах работает хорошо, но пересчёт пути для всех агентов в один фрейм даёт спайк. Распределяем пересчёт через CoroutineManager или Job System. Гарантируем стабильные 60 FPS на устройствах 5-летней давности.
Процесс разработки AI противника
- Анализ — изучаем игровые механики, дизайн-документ, сценарии поведения.
- Проектирование — выбираем архитектуру (FSM/BT), проектируем систему восприятия, память.
- Реализация — пишем код, интегрируем с навигацией (NavMesh), настраиваем параметры.
- Тестирование — плейтестинг: замеряем death rate, time-to-kill, win rate по уровням. Итерируем.
- Деплой — передаём исходный код с комментариями, диаграммы BT, конфиги. Обучаем команду.
Каждый этап документируем. По запросу — интеграция в ваш CI/CD пайплайн.
Что входит в разработку AI противника
В рамках проекта вы получаете:
- Исходный код AI-системы на Unity C# или Godot GDScript с комментариями
- Документация по архитектуре BT и системе восприятия (диаграммы, конфиги)
- Интеграция с вашей навигацией (NavMesh) и анимациями
- Настройка параметров DDA под ваш геймдизайн
- Загружаемые конфиги (JSON) для быстрой итерации дизайнера
- Обучение команды (1-2 часа) по использованию и расширению AI
- Поддержка на этапе тестирования и после релиза
Ориентиры по срокам
- Базовый FSM-противник с патрулированием и преследованием — 3–5 дней.
- Полноценная система с BT, восприятием, DDA и несколькими типами — 3–6 недель.
Точная стоимость рассчитывается индивидуально после анализа вашей игры.
Свяжитесь с нами, чтобы получить консультацию по архитектуре AI для вашего проекта. Мы поможем выбрать оптимальный стек (Unity, Godot, Unreal) и избежать типичных ошибок — читерства ИИ и спадов производительности.