游戏 AI / 系统课时

创建第一个 EQS 查询

创建第一个 EQS 查询

敌人寻找可到达的巡逻点时,随机坐标容易落在墙内或导航网格外。本课在 UE5 中创建首个 EQS 查询:用网格生成候选、寻路测试过滤、距离评分选优,再将结果写入 Blackboard 驱动 Move To,完成可验证的选点流程。

学习目标

  • 创建 EQS 资产,理解 Generator、Context 与 Test 的职责。
  • 配置候选生成、可达性过滤和距离评分,得到一个有效 Vector。
  • 通过 EQS Testing Pawn 和行为树验证查询与移动结果。

先准备能寻路的测试场景

可从 UE5 第三人称蓝图模板开始:创建敌人 Character 蓝图、AIController 蓝图以及 Blackboard、Behavior Tree 资产;为敌人指定 AIController,启用放置或生成时自动占有,并在 Controller 的 On Possess 中运行该行为树。随后在关卡地面放置 NavMeshBoundsVolume,覆盖角色周围的可行走区域。按 P 检查导航网格是否正常显示;若地面没有导航区域,路径过滤很可能找不到任何合格点。

在编辑器的 Settings > Plugins 中确认 Environment Query Editor 已启用(若版本提示重启则先重启)。随后从 Content Drawer 的 Add > Artificial Intelligence > Environment Query 创建 EQS_FindPatrolPoint。此课不需要自定义 C++ Generator,也不用先引入玩家 Context。

Generator 产生候选,Context 确定参照物

打开 EQS_FindPatrolPoint,从 Root 连出 Points: Grid Generator。将 GridHalfSize 设为 600,Space Between 设为 200,Generate Around 保持为 Querier,并检查 Projection Data 是否按项目导航设置将候选投射到可行走表面。

GridHalfSize 定义查询者周围网格的半范围,Space Between 决定点的疏密,单位均为厘米。Generator 的产物是许多位置 Item,还不是可直接下达的目的地。Querier 则是本次发起查询的对象;行为树触发时通常对应执行该树的 AI Pawn,测试 Pawn 预览时则对应测试对象。

这里只使用一张网格,不要误以为把多个 Generator 接到 Root 就会自动合并候选;普通 EQS 查询只使用 Root 左侧优先的 Generator,确实需要组合时应了解 Composite Generator 的用途。

Test 先过滤再评分

在 Points: Grid 节点上添加两个 Test,分别负责“能不能到”和“优先去哪”。

  1. 添加 Pathfinding Test。设 Test Mode = Path Exist、Context = Querier、Path from Context = true、Test Purpose = Filter Only,以路径存在为匹配条件。这样不能从 AI 当前位置走到的 Item 会被剔除。
  2. 添加 Distance Test。设 Context = Querier、Test Purpose = Score Only、Scoring Factor = 1.0。在默认的距离评分方向下,较远的候选得到更高得分,避免总是选中脚下的点。以后若想偏好近点,再调整评分方向或评分策略。

EQS 会对 Item 执行过滤和评分:过滤决定候选是否有资格参与,评分决定合格候选间的优先级。Pathfinding 验证导航可达性,不等价于角色一定不会发生动态碰撞;最终移动仍需由导航执行系统检验。

EQS 网格候选经路径过滤和距离评分后写入移动目标的数据流

用参数清单复核设置

以下 JSON 是人工核对清单,不是 UE 可导入的 EQS 文件;真正生效的是在 EQS 资产与行为树 Details 面板中的设置。用它逐项检查节点名称、引用和参数,避免把 Context 或 Blackboard Key 配错。

json
{
  "asset": "EQS_FindPatrolPoint",
  "generator": {
    "node": "Points: Grid",
    "GridHalfSize": 600,
    "Space Between": 200,
    "Generate Around": "Querier"
  },
  "tests": [
    {
      "node": "Pathfinding",
      "Test Mode": "Path Exist",
      "Test Purpose": "Filter Only",
      "Context": "Querier",
      "Path from Context": true,
      "Bool Match": true
    },
    {
      "node": "Distance",
      "Test Purpose": "Score Only",
      "Context": "Querier",
      "Scoring Factor": 1.0
    }
  ],
  "behaviorTree": {
    "task": "Run EQS Query",
    "Query Template": "EQS_FindPatrolPoint",
    "Run Mode": "Single Best Item",
    "Blackboard Key": "PatrolLocation"
  }
}

这份记录意味着:从 Querier 周围生成点,保留存在导航路径的点,对剩余位置按距离打分,然后取一个最高分位置写入 PatrolLocation。实际 Item 数量和赢家坐标取决于地形、网格投射及导航数据,不能预先写死坐标或声称每次都是同一个点。

运行查询并验证选点

在 Blackboard 新建类型为 Vector 的 PatrolLocation。在行为树的巡逻 Sequence 中先添加 Run EQS Query,设置 Query Template = EQS_FindPatrolPoint、Run Mode = Single Best Item、Blackboard Key = PatrolLocation;其后连接 Move To,并让它读取相同的 Vector Key。保证 AIController 确实启动行为树且 Pawn 已被占有。

可另建一个继承 EQSTestingPawn 的蓝图,放在导航区域中,将 Query Template 指向该资产。选中测试 Pawn 时,观察候选点球体、被过滤的位置及高分位置;然后在 PIE 中观察 PatrolLocation 是否写入,敌人是否前往该点。运行时也可打开 AI Debugger 的 EQS 页面检查本次查询。

出现空结果时按“是否生成网格点 → Querier 是否有效 → NavMesh 是否覆盖 → Pathfinding 是否过滤了所有点”的顺序排查。若能得到 PatrolLocation 但 Move To 失败,则继续检查导航代理尺寸、动态障碍和移动任务条件,不能把所有移动失败都归因于 EQS。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

创建第一个 EQS 查询

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通