游戏 AI / 系统课时
为什么最高仇恨不等于换目标
为什么最高仇恨不等于换目标
仇恨分数的作用是帮助 NPC 比较候选目标,而不是要求它在每次分数变化后立即换人。本节建立“当前目标 + 挑战者 + 切换门槛”的判断模型,让目标选择既能响应明显威胁变化,又不会因为距离、伤害或可见性的小幅波动来回跳动。
学习目标
- 理解仇恨最高与立即切换目标之间的区别
- 使用当前目标黏性和领先阈值构造稳定的切换条件
- 区分正常竞争与必须立即放弃当前目标的情况
仇恨排序不是切换命令
假设 NPC 当前锁定目标 A,A 的仇恨分数为 80。目标 B 因为刚靠近、造成一次伤害或重新进入视野,分数短暂升到 82。如果系统只执行“谁最高就选谁”,NPC 会马上切换到 B;下一帧 A 又变成 83,它又切回 A。
问题并不在评分公式本身,而在于把连续变化的评分结果直接当成离散的状态切换命令。距离、可见性、伤害衰减等输入天然会波动,目标状态却应该比这些输入更稳定。
因此,目标选择通常需要记住一个额外状态:当前目标是谁。新候选人的分数必须明显优于当前目标,才能成为真正的替代者。

用领先幅度形成目标黏性
设当前目标分数为 ,最佳挑战者分数为 ,切换领先幅度为 。一个基础规则可以写成:只有满足 时,才允许从当前目标切换到挑战者。
例如将 设为 10:
| 当前目标 | 挑战者 | 分差 | 结果 |
|---|---|---|---|
| 80 | 82 | 2 | 保持当前目标 |
| 80 | 87 | 7 | 保持当前目标 |
| 80 | 92 | 12 | 允许切换 |
这类机制本质上是给切换加入迟滞。当前目标一旦建立,就拥有一小段优势区间;挑战者只有真正形成明显优势,才能夺走目标。这样既保留仇恨评分的动态性,又避免评分在临界值附近来回穿越时产生抖动。
领先幅度不一定是固定整数。如果不同 NPC 的评分量级差异很大,也可以采用相对门槛,例如要求挑战者比当前目标高出 20%。无论采用绝对值还是比例,关键都不是具体数字,而是让“进入当前目标状态”和“离开当前目标状态”使用不同条件。
当前目标无效时不要继续黏住
目标黏性只应该处理“两个仍然有效的目标正在竞争”这一场景。当前目标已经死亡、被销毁、永久离开可追踪区域或明确变成不可攻击对象时,不应继续要求挑战者跨过领先阈值。
实际判断顺序应先检查当前目标是否仍有效,再进行分数竞争。常见的强制放弃条件包括:
- 目标实体不存在或已经死亡。
- 目标离开允许追踪的最大范围。
- 目标所属阵营发生变化,已经不再敌对。
- 玩法规则明确要求立即响应更高优先级事件,例如正在攻击 NPC 的强制嘲讽目标。
这能避免另一个极端:为了防抖而让 NPC 固执地追逐一个已经失效的对象。
先区分评分波动还是战术变化
调试目标切换时,可以先观察每次切换发生前后的当前分数、挑战者分数和切换原因。如果大量切换都发生在分差只有 1~3 的范围内,通常说明缺少切换迟滞;如果挑战者已经远高于当前目标却迟迟不切换,则说明门槛过大或当前目标被错误地判定为必须保持。
不要把所有稳定性问题都通过降低仇恨变化速度解决。评分应该尽量真实表达威胁变化,稳定性应主要由目标选择层负责。这样伤害、距离、可见性仍然可以快速更新,而最终目标只在优势足够明确时发生变化。
最高仇恨因此更适合被理解为“当前最强挑战者”,而不是“下一帧必须攻击的人”。只有把评分和状态切换分开,NPC 才能同时具备灵敏的威胁感知与稳定的战斗行为。