GOAP

GOAP：Goal-Oriented Action Planning

資料來源

在一般的AI邏輯中，會使用FSM（finite state machine）來作處理
FSM

以下圖顯示

有數個state相互聯結，這些聯結稱為transition。
在執行此AI時，會將transition設定條件，滿足條件就經過transition到另一個state。
這個架構的缺點是，當state變多，整個結構會變複雜，而transition的條件要整體檢視也十分麻煩。

這次介紹的是Goal-Oriented Action Planning
目標導向動作規劃（我是這樣翻）
分成三個部分來說明。

goal:目標

action:動作

planner:規劃器

action:動作

有三個屬性
cost:這個action造成的花費
precondition:這個action執行的前提，類似fsm的state
effects:這個action執行後的效果，類似fsm的state

action定義這個ai所有可以執行的動作。

goal:目標

這個AI要達成的目標。
目標會是某個動作的effects

planner:規劃器

有一個屬性
world state:世界狀態
基本上這個狀態會是action的一個前提

規劃器會從目前所有的動作，一個一個拉出來檢視。
目前的世界狀態是否符合這個動作的前提。
如果不符合，找下一個。
如果符合，檢視effect達到目標？

確認這個達到目標的action組合是最低cost。

範例

現在我試著依照GOAP架構砍柴AI。

這邊已經簡化，不是上方的例子。

目標：

將柴放回倉庫

動作：
(花費) [前提] 效果

取得斧頭

(2) [身上沒斧頭] 身上有斧頭

砍樹

(4) [身上有斧頭] 取得柴

身上滿了

(3) [取得柴] 將柴放回倉庫

撿柴

(8) [天氣晴朗] 取得柴

規劃器

世界狀態
[身上沒有斧頭]
[身上有斧頭]
[取得柴]
[天氣晴朗]

執行的歷程如下
目標：將柴放回倉庫
起始的世界狀態：[身上沒有斧頭]
將所有動作抓出來跑，直到符合。
砍樹：世界狀態不符合此動作的前提。跳過。
身上滿了：世界狀態不符合此動作的前提。跳過。
取得斧頭：符合，世界狀態改為[身上有斧頭]

再跑一次全部的動作，直到符合。
身上滿了：世界狀態不符合此動作的前提。跳過。
砍樹：符合，世界狀態改為[取得柴]

再跑一次全部的動作，直到符合。
將柴放回倉庫：符合，達到目標。