引擎基础技术 4

《虚幻引擎5（UE5）数字内容创作基础教程》教案模块9AI基础课程名称虚幻引擎5（UE5）数字内容创作基础教程模块名称模块9AI基础授课对象数字媒体艺术、游戏设计与开发等相关专业学生建议学时10学时课型理实一体化（讲授＋演示＋上机实训）教学方法讲授法、演示法、任务驱动法、案例教学法一、教学目标（1）知识目标1.理解“感知—决策—行动”逻辑框架与三大核心组件的协同机制2.熟悉行为树任务节点、装饰器、服务节点及复合节点的分类与作用3.掌握导航网格的生成原理与参数配置，了解AI感知系统检测逻辑4.理解黑板作为数据共享容器的作用及其键值类型与传递关系（2）素质目标1.建立“系统化设计”思维，合理规划AI的感知、决策与执行流程2.树立“数据驱动行为”的意识，注重黑板的合理定义与动态管理3.培养“性能与体验并重”的优化理念，平衡导航效率与感知开销4.树立“行为服务于体验”的理念，理解AI对沉浸感与叙事表达的作用（3）技能目标1.独立完成导航网格创建与调试，实现可行走区域定义与路径规划2.用行为树与黑板搭建巡逻、追击、状态切换等典型行为逻辑3.配置AI视觉感知，实现基于视野、距离条件的玩家检测与响应4.将AI行为与动画蓝图结合，实现状态驱动的动画切换二、教学重点与难点教学重点·AI系统“感知—决策—行动”的逻辑框架与三大核心组件·导航网格的创建与参数调试·行为树的节点类型（任务/装饰器/服务/复合）与执行规则·黑板键值的定义及其与行为树的数据交互教学难点及化解策略难点：行为树—黑板—导航的协同关系抽象化解策略：以“大脑（行为树）—记事本（黑板）—双腿（导航）”的角色类比，配合AI巡逻案例的完整链路演示。难点：服务节点周期性更新黑板的数据流化解策略：在黑板中实时观察Location键值变化，让“数据驱动行为”可视化。三、教学方法与资源准备教学方法案例驱动与分层递进：按“随机生成→巡逻→感知追击→综合追逐”的难度阶梯组织案例，每个案例先演示效果、再拆解步骤、后学生复现。教学资源·UE5机房环境、教材配套PPT（模块9）·AI案例演示工程（巡逻、追击完整版）·角色与动画资源包（含丧尸模型）四、教学过程设计本模块建议总学时：10学时。教学过程按“课前准备—导入—新授与演示—上机实践—总结评价”组织，各课次的教学环节、师生活动、设计意图与时间分配如下：第一次课（4学时）：AI概述与导航系统本次课目标：学生能解释“数据→决策→执行”闭环中各组件的角色，能创建导航网格并完成AI随机生成案例。教学环节教学内容与师生活动设计意图时间课前准备发布预习：列举印象深刻的游戏AI行为（敌人巡逻、追捕等）。扫清环境与账号障碍，用预习任务建立初步认知，让课堂时间聚焦操作与理解课前导入演示AI巡逻与追击的运行效果，引出“敌人是如何‘思考’的”。以真实案例或对比效果创设情境，激发学习动机，明确本次课的学习任务与价值15分钟新授与演示单元9.1：AI系统定义、三大核心组件与“数据→决策→执行”闭环。单元9.2：导航系统三组件、导航网格创建与参数调试（单元大小、代理半径）。教师示范关键操作与思路，学生同步观察记录，先建立正确表象再动手模仿70分钟上机实践学生创建导航网格并按P键验证；完成AI随机生成案例。在做中学：通过阶梯式练习内化操作技能，教师巡回指导、个别纠错，兼顾快慢差异65分钟总结评价抽查导航网格覆盖与参数含义；总结绿色通道的识别方法。梳理知识脉络、曝光典型错误，促成方法提炼与迁移；预告后续内容保持学习连贯10分钟第二次课（4学时）：行为树与黑板本次课目标：学生能区分行为树四类节点，能创建黑板与服务并配置AI控制器，独立搭建AI巡逻系统。教学环节教学内容与师生活动设计意图时间复习导入回顾三大组件协同；提问导航网格的作用。以旧引新，激活已有经验，建立本次课与上节课的知识衔接10分钟新授与演示单元9.3：行为树节点类型、执行规则；单元9.4：黑板的键值类型与读写。演示AI巡逻案例完整链路（黑板→服务→行为树→控制器→角色）。教师示范关键操作与思路，学生同步观察记录，先建立正确表象再动手模仿75分钟上机实践学生搭建AI巡逻系统：创建黑板与服务，配置行为树与AI控制器，实现随机巡逻。在做中学：通过阶梯式练习内化操作技能，教师巡回指导、个别纠错，兼顾快慢差异65分钟总结评价剖析典型错误（黑板键未绑定、服务未关联）；总结数据流向。梳理知识脉络、曝光典型错误，促成方法提炼与迁移；预告后续内容保持学习连贯10分钟第三次课（2学时）：感知与综合实践本次课目标：学生能综合运用PBR流程为模型制作完整材质，并通过展示互评提升审美与表达能力。教学环节教学内容与师生活动设计意图时间新授与演示单元9.5：AI视觉感知配置、动画蓝图状态机接入、追逐玩家与RVO回避。教师示范关键操作与思路，学生同步观察记录，先建立正确表象再动手模仿40分钟上机实践学生为巡逻AI添加视觉感知，实现“发现玩家→追击、丢失→恢复巡逻”。在做中学：通过阶梯式练习内化操作技能，教师巡回指导、个别纠错，兼顾快慢差异45分钟总结评价展示追逐效果；总结全书九模块知识体系，预告后续课程方向。梳理知识脉络、曝光典型错误，促成方法提炼与迁移；预告后续内容保持学习连贯5分钟五、考核评价与作业布置课堂考核导航与随机生成练习（25%）、AI巡逻系统（35%）、视觉追击综合任务（40%，按行为正确性、组件协同、调试能力评分）。课后作业（选自本模块巩固测练）【简答题】1.简述UE5AI系统中“感知—决策—行动”循环的具体实现过程，并说明导航系统、行为树、黑板在该循环中分别承担的角色。2.在AI巡逻功能开发中，行为树服务（BTService）与黑板的配合逻辑是什么？请以“动态更新巡逻点”为例简要说明。【实操题】1.创建“BP_PatrolAI”角色蓝图：配置导航网格覆盖巡逻区域；搭建行为树实现“移动到巡逻点→等待3s→更新下一个巡逻点”的循环；拖入场景运行验证。2.为上述AI添加视觉感知：在AI控制器配置AIPerception组件并设置视野半径与检测规则；实现“发现玩家后停止巡逻并追击，玩家脱离视野后恢复巡逻”的逻辑。【思考题】1.若要制作“古代战场”主题的游戏AI，结合本模块所学知识，你认为需要重点优化哪些AI功能？2.多AI追逐玩家时若出现相互碰撞、拥堵，除RVO回避外，还可通过调整哪些组件参数或逻辑设计来优化？【面试题】1.阐述行为树中Sequence节点与Selector节点在决策逻辑上的核心区别，并分别说明一个典型应用场景。2.设计具备“巡逻—追击—返回”多状态切换的敌人AI时，如何设计黑板关键键值？这些键值如何驱动行为树的状态转换？3.多个AI在狭窄通道追逐玩家时可能路径阻塞或卡顿，除RVO回避外还有哪些导航或行为层面的优化策略？4.实现具备视