《艾尔登法环》的低技术 AI 架构

《艾尔登法环》之所以能实现惩罚性强且多样化的 NPC 遭遇战，并非通过复杂的规划算法，而是通过一种相对简单的“低技术” AI 架构。该系统主要在 Havok Script（一种面向游戏的 Lua 实现）中实现，并依赖于下推自动机（Pushdown Automaton, PDA）而非传统的有限状态机（Finite State Machine, FSM）或复杂的行为树（Behavior Tree）。

基于目标的下推自动机

《艾尔登法环》的 AI 核心围绕着“目标”（Goal）这一概念展开，目标是 AI 可以占据的唯一状态。与在状态之间转换的标准有限状态机不同，FromSoftware 使用的是目标栈（stack of goals），从而将系统转变为一个下推自动机。

目标栈如何运作

每一帧，Actor 会更新栈顶的目标。执行流遵循以下规则：

• 子目标（Sub-Goals）： 一个目标可以向栈中推送（push）新的“子目标”。最顶层的子目标将在下一帧执行。
• 返回值： 目标的更新函数会返回三个值之一：Continue、Success 或 Failure。
• 弹出栈： Success 或 Failure 会导致当前目标从栈中弹出。
• 回溯（Unwinding）： Failure 结果会导致栈进行回溯，弹出所有未执行的子目标，直到到达父级目标。

这种结构允许 AI 尝试一系列动作（例如连招攻击），并在该序列的任何部分失败时，优雅地返回到更高层级的决策状态。

通过 Activate Callback 进行决策

核心 AI 逻辑驻留在 activate 回调函数中，当一个目标首次被更新或在耗尽其子目标并恢复执行时，该回调会被触发。

加权随机选择

为了确定下一个动作，AI 通常使用加权随机选择过程。activate 函数会评估当前上下文——例如与玩家的距离以及 Actor 的当前生命值——并为一系列可能的动作分配权重。

例如，如果目标距离较远，则“接近目标”目标的权重会增加；如果目标靠近，则“重击”目标的权重会增加。这些权重还可以通过冷却时间（cooldowns）进一步修改，以防止 AI 频繁使用同一种招式。

通过 Interrupts 实现反应式行为

为了确保 NPC 能立即响应玩家的操作，系统采用了**中断（Interrupt）**机制。中断会从当前执行的目标递归地向其父级“冒泡”，直到中断被“消耗”（即回调函数返回 true）。

这使得某些特定的、“邪恶”的行为成为可能，例如 Bell Bearing Hunter 探测到施法或使用道具后，会立即中止当前动作并发起攻击。中断也可以由动态空间观察区域触发，允许 Boss 在玩家移动到其身后或下方时做出即时反应。

技术实现与数据访问

动画驱动执行

AI 的实际输出大部分是动画驱动的。目标系统会告诉引擎播放特定的动画，而动画事件本身则负责处理碰撞箱（hitbox）时机、弹射物创建以及特效触发。

Actor 数据与内存

与其使用现代 AI 中常见的复杂“黑板”系统，《艾尔登法环》使用的是在每个 Actor 上维护的一个简单的浮点数数组。目标会任意地读取和写入这些索引，以存储和检索状态数据。

中间件集成

FromSoftware 严重依赖 Havok 中间件：

• Havok Script: 用于 AI 逻辑。
• Havok Animation Studio: 用于动画制作。
• Havok Physics: 处理碰撞与物理。
• Havok Navigation: 处理寻路。

与其他 AI 架构的对比

与行为树（BTs）或目标导向动作规划（GOAP）等更“高技术”的替代方案相比，FromSoftware 的方法具有以下优势：

• 性能： PDA 通常比行为树更快，因为它是从栈顶执行单个目标，而不是每一帧都从根节点重新评估整个复杂的树状节点结构。

• 简单性： 通过在状态内使用命令式代码来处理控制流，FromSoftware 避免了大型行为树或有限状态机中常见的“节点爆炸”问题。

• 设计师控制力： 该系统将动作序列牢牢掌握在战斗设计师和动画师手中，而非将序列委派给搜索算法（如 GOAP 或 STRIPS）。

“如果使用这种结构（基于通用的脚本语言）进行为期一个‘周末’的实现，基本上足以实现像《艾尔登法环》如此规模的游戏。”

社区洞察

虽然作者将该系统描述为“低技术”，但社区中的一些开发者认为，复杂性在于单个目标的实现（例如，成功执行“攻击”目标所需的物理和 3D 空间检查）以及关卡设计。一位评论者指出，敌人智能的表现往往是巧妙的关卡设计和仇恨管理（aggro management）的结果，而非 AI 逻辑本身。