游戏 AI / 系统课时
Separation 怎样避免单位挤成一团
Separation 怎样避免单位挤成一团
多个 NPC 同时追向一个目标时,即使每个单位的 Seek 都正确,它们仍会逐渐重叠。Separation 的作用是在局部邻域内根据距离和方向产生排斥力,让越靠近的邻居产生越强的影响,从而维持自然间距。
学习目标
- 根据邻居位置计算 Separation 排斥方向
- 让近距离邻居产生更强影响,同时忽略邻域外单位
- 理解 Separation 与 Seek、Alignment 等行为组合时的权重关系
Separation 解决的是局部拥挤
Separation 不负责决定 NPC 最终要去哪里,它只处理一个局部问题:附近单位离得太近时,当前单位应该往哪边让开。
计算时,以当前单位为中心寻找一定半径内的邻居。对于每个邻居,都构造一个从邻居指向当前单位的向量。这个向量就是排斥方向,再根据距离进行加权:邻居越近,贡献越大;超过邻域半径的单位则完全忽略。

它和物理碰撞不是一回事。碰撞系统通常在物体已经接触或即将穿透时纠正位置,而 Separation 希望在真正碰撞之前就改变运动方向,因此视觉上会更自然。
排斥力由方向和距离共同决定
设当前单位位置为 selfPosition,邻居位置为 neighborPosition,最基本的排斥向量可以写成:
away = selfPosition - neighborPosition
只使用 away 的方向还不够。如果所有邻居无论远近都产生相同大小的力,一个已经非常靠近的单位和一个位于邻域边缘的单位影响相同,群体会显得僵硬。
常见做法是让强度随距离减小,例如使用 1 / distance。这样距离减半时,排斥贡献会明显增强。距离非常接近零时必须设置最小阈值,否则除法会产生极端值。
计算流程可以概括为:
- 找到
separationRadius范围内的邻居。 - 计算从邻居指向自己的单位方向向量。
- 根据距离计算权重。
- 累加所有邻居贡献。
- 乘以 Separation 权重,再限制到最大转向力。
多个邻居的力必须先做向量叠加,而不是逐个立即修改角色速度,否则结果会依赖邻居遍历顺序。
用代码计算多个邻居的合力
下面的 Python 示例让当前单位位于原点。两个邻居进入半径,第三个邻居因为距离过远被忽略。近邻使用 1 / distance 获得更大的排斥权重,最后再应用行为权重和最大转向力。
import math
self_position = (0.0, 0.0)
neighbors = [(0.5, 0.0), (0.0, 1.0), (3.0, 0.0)]
separation_radius = 2.0
separation_weight = 1.5
max_steering_force = 2.0
force_x = 0.0
force_y = 0.0
active_neighbors = 0
for nx, ny in neighbors:
dx = self_position[0] - nx
dy = self_position[1] - ny
distance = math.hypot(dx, dy)
if distance <= 1e-6 or distance > separation_radius:
continue
# 先得到纯方向,再用 1 / distance 提高近邻的影响。
dir_x = dx / distance
dir_y = dy / distance
strength = 1.0 / distance
force_x += dir_x * strength
force_y += dir_y * strength
active_neighbors += 1
force_x *= separation_weight
force_y *= separation_weight
# 最终仍要受全局最大转向力限制,避免瞬间产生过强加速度。
length = math.hypot(force_x, force_y)
if length > max_steering_force:
scale = max_steering_force / length
force_x *= scale
force_y *= scale
print(f"activeNeighbors={active_neighbors}")
print(f"separationForce=({force_x:.2f},{force_y:.2f})")预期输出:
activeNeighbors=2
separationForce=(-1.79,-0.89)结果向左下方,原因是右侧距离 0.5 的邻居贡献最大,上方距离 1.0 的邻居提供次要向下分量,而距离 3.0 的邻居位于 separationRadius 外,不参与计算。
半径和权重决定群体的松紧程度
separationRadius 决定多远开始互相让位,separationWeight 决定这个行为在最终 Steering 合力中有多强。两者虽然都会改变单位间距,但造成的运动特征不同。
半径过小,NPC 往往到几乎重叠时才突然分开;半径过大,则会让远处单位也互相影响,队伍难以聚拢。权重过低时 Seek 会持续把单位拉向同一点,权重过高则容易出现单位相互弹开、左右抖动的问题。
还要特别处理位置几乎完全相同的单位。此时两者之间没有稳定方向,不能直接对零距离做归一化。实际项目可以复用上一帧方向,或者加入一个很小且稳定的扰动方向帮助它们分离。
与其他 Steering Behavior 组合
实际群体移动通常不会单独使用 Separation。Seek 或 Arrive 决定总体目标方向,Separation 负责局部保持间距,Alignment 和 Cohesion 则进一步控制群体朝向与聚合程度。
组合时应先分别验证每个行为输出的向量,再进行加权求和。如果单位仍不断挤向同一点,先检查 Separation 是否找到了正确邻居;如果已经有明显排斥力却依然无法拉开,再检查它在合力中的权重以及最终 maxSteeringForce 是否把修正截断。
一个稳定的 Separation 不会让单位彼此越远越好,而是只在邻居过近时施加必要的局部修正。只要邻域选择、距离衰减和最终力限制三部分保持一致,多单位追逐同一目标时也能自然形成间距,而不是堆叠成一个点。