Unity向开发人员提供了多种工具，以实现具有人工智能的游戏体验。Unity的内建API以及特性可有效地实现多种可能性，并构建游戏场景和角色对象。无论开发何种游戏，理解并应用人工智能特性可视为游戏设计的基本因素之一。由雷·巴雷拉等人著《Unity人工智能游戏开发(第2版)》将人工智能技术划分为多个简单概念，进而有助于读者理解这一话题的基础内容。本书通过大量实例，详细分析所涉及的概念，并对核心概念予以实现。

由雷·巴雷拉等人著《Unity人工智能游戏开发(第2版)》详细阐述了与Unity游戏人工智能相关的基本解决方案，主要包括游戏AI的基础知识、有限状态机、实现感知系统、寻路方案、群集行为、行为树、模糊逻辑等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学教材和参考手册。

第1章 游戏AI的基础知识

 1.1 创建生活幻象

 1.2 利用AI进一步完善游戏

 1.3 在Unity使用

 1.4 定义主体

 1.5 有限状态机概述

 1.6 通过主体视角查看场景

 1.7 路径跟踪

1.7.1 A*寻路

1.7.2 使用网格导航

 1.8 群集方案

 1.9 行为树

 1.10 模糊逻辑

 1.11 本章小结

第2章 有限状态机

 2.1 FSM应用

 2.2 生成状态机行为

2.2.1 生成AnimationController资源

2.2.2 Layers项和Parameters项

2.2.3 动画控制查看器

2.2.4 行为的图像化

2.2.5 生成第一个状态

2.2.6 状态间的转换

 2.3 创建玩家坦克对象

 2.4 生成敌方坦克对象

2.4.1 选择转换

2.4.2 实现过程

 2.5 本章小结

第3章 实现感知系统

 3.1 基本的感知系统

3.1.1 视锥

3.1.2 基于球体的听觉、感觉和嗅觉

3.1.3 扩展

3.1.4 感知系统的创新

 3.2 构建场景

 3.3 创建玩家坦克

3.3.1 实现玩家坦克

3.3.2 实现Aspect类

 3.4 创建AI角色

 3.5 使用Sense类

 3.6 视见功能

 3.7 触觉系统

 3.8 测试结果

 3.9 本章小结

第4章 寻路方案

 4.1 路径跟踪

4.1.1 路径脚本

4.1.2 使用路径跟踪器

4.1.3 躲避障碍物

4.1.4 添加定制层

4.1.5 实现躲避逻辑

 4.2 A*寻路算法

4.2.1 算法回顾

4.2.2 算法实现

 4.3 导航网格

4.3.1 构建地图

4.3.2 静态障碍物

4.3.3 导航网格的烘焙

4.3.4 使用NavMesh主体对象

4.3.5 设置目的地

4.3.6 Target类

4.3.7 斜面测试

4.3.8 区域探索

4.3.9 Off Mesh Links连接

4.3.10 生成Off Mesh

4.3.11 设置Off Mesh

 4.4 本章小结

第5章 群集行为

 5.1 群集算法初探

 5.2 理解群集算法背后的概念

 5.3 Unity示例中的群集行为

5.3.1 模拟个体行为

5.3.2 创建控制器

 5.4 替代方案

 5.5 使用人群群集算法

5.5.1 实现简单的群集模拟

5.5.2 使用CrowdAgent组件

5.5.3 添加障碍物

 5.6 本章小结

第6章 行为树

 6.1 行为树的基本概念

6.1.1 理解不同的节点类型

6.1.2 定义复合节点

6.1.3 理解修饰节点

6.1.4 描述叶节点

 6.2 估算现有方案

 6.3 实现基本的行为树框架

6.3.1 实现Node基类

6.3.2 将节点实现于选取器上

6.3.3 序列的实现

6.3.4 将修饰节点实现为反相器

6.3.5 创建通用行为节点

 6.4 框架测试

6.4.1 行为树的规划

6.4.2 检查场景构建结果

6.4.3 考察MathTree节点

6.4.4 执行测试

 6.5 本章小结

第7章 模糊逻辑

 7.1 定义模糊逻辑

 7.2 模糊逻辑应用

7.2.1 实现简单的模糊逻辑系统

7.2.2 扩展集合

7.2.3 数据的逆模糊化

 7.3 使用观测数据

 7.4 模糊逻辑的其他应用

7.4.1 加入其他概念

7.4.2 创建独特的体验

 7.5 本章小结

第8章 整合过程

 8.1 制定规则

 8.2 创建高塔对象

 8.3 构建坦克对象

 8.4 构建场景环境

 8.5 测试示例

 8.6 本章小结