游戏 AI / 系统课时
用邻域半径控制队伍松紧
用邻域半径控制队伍松紧
群体移动是否紧凑,不只由 Cohesion 权重决定。邻居查询半径、Separation 的最小间距以及每个单位实际看到多少邻居,会共同决定局部群体的尺度。本课建立这三个参数之间的关系,让你能有方向地调出松散、紧凑或分组明显的队伍。
学习目标
- 区分邻居查询半径与最小间距的职责
- 理解局部邻居数量如何影响群体稳定性和队形尺度
- 根据目标队形选择合理的参数调整顺序
查询半径决定一个单位把谁当成队友
群体 Steering 通常不会让每个单位读取场景中的所有其他 NPC,而是只查询一定半径内的邻居。这个半径可以记为 。
较小时,每个 NPC 只根据身边少数单位调整,因此反应更局部,群体容易形成多个小团。 较大时,更多单位会共享相似的局部中心和平均速度,整个群体更容易保持一致,但也更容易失去局部灵活性。
查询半径控制的是感知范围,不是最终成员间距。即使 很大,只要 Separation 要求的安全距离较小,单位仍可能聚得很紧。

最小间距决定成员能靠多近
Separation 通常只在距离过近时产生明显作用。设期望最小间距为 ,当两个单位的距离逐渐小于 时,排斥力应快速增强;距离足够远时,则不必持续把成员推开。
这意味着两个尺度承担不同职责:
- 决定哪些单位参与 Alignment 和 Cohesion 等邻居统计。
- 决定成员之间允许接近到什么程度。
- 通常应满足 ,否则一个单位刚成为邻居就可能立刻受到强烈排斥。
如果想让队伍更紧凑,首先应适度减小 ,而不是单纯提高 Cohesion。只增加 Cohesion 可能把所有单位向中心压缩,随后又被强 Separation 推开,从而形成持续振荡。
邻居太少和太多都会改变行为
同样的半径,在不同密度下会得到完全不同的邻居数量。十个 NPC 分散在大地图上时, 可能只能找到一两个邻居;五十个 NPC 挤在狭窄区域时,同样半径可能包含十几个单位。
邻居过少时,局部平均方向和群体中心对单个成员非常敏感,一个邻居离开就可能让结果突然改变。邻居过多时,计算量增加,而且局部 Steering 会逐渐接近全局平均,导致整个群体像一个刚性整体。
因此实际项目里常把“半径”和“最大邻居数”一起考虑。最大邻居数不是越大越好,只要足以形成稳定的局部统计即可。若已经通过空间网格、四叉树等结构查询邻居,也可以优先返回距离最近的一组单位。
按目标队形逐项调节
如果目标是紧凑的小队,可以先设定视觉上允许的最小间距,再让邻居半径覆盖约数倍这个距离,使每个成员通常能够看到前后左右的若干伙伴。随后才调整 Cohesion 和 Alignment 权重。
如果目标是松散的人群,应保持足够的 Separation 间距,同时不要让邻居半径覆盖过大的区域。这样每个 NPC 只跟随附近成员,整个群体会自然形成局部簇,而不是所有人都向同一中心收缩。
如果队伍频繁断裂,优先检查 是否太小;如果单位拥挤,优先检查 和 Separation;如果成员距离合适却方向杂乱,再检查 Alignment。这个顺序能把“邻居是谁”“能靠多近”“朝哪里走”三个问题分开处理。
最终需要关注的不是某个固定半径数值,而是它在你的角色尺寸、移动速度和场景密度下产生了多少有效邻居。调试时同时显示邻域圆、最小间距圈和当前邻居数量,比只观察角色最终轨迹更容易找到队伍过松或过紧的真正原因。