Unity 6纯神经网络无人机蜂群：告别NavMesh

在游戏引擎中实现飞行AI，长期以来的主流做法不外乎两种：用平面的NavMesh做路径补丁，或者沿预绘的样条轨道移动。一旦引入真正的6自由度动量、惯性和垂直障碍物，传统寻路算法几乎立刻失效。Reddit上一位开发者分享的"Wolfpack Protocol"项目，展示了一条不同的路：用连续动作空间的PPO强化学习训练四架无人机的自主战斗蜂群，推理完全跑在Unity Sentis上，彻底抛弃NavMesh和预烘焙路径。

核心架构：零Python运行时与Sentis推理

这个项目最值得关注的工程决策，是训练与推理的彻底解耦。PPO策略训练完成后，被直接部署到Unity Sentis做前向推理，运行时不再依赖任何Python进程。开发者给出的延迟数据是sub-0.1ms——对于需要高频决策的实时战斗场景，这个量级意味着神经网络评估几乎不构成性能瓶颈。

传统做法往往需要在训练环境和游戏引擎之间搭一层通信桥接，推理结果经进程间传输再喂回游戏逻辑，延迟和部署复杂度都随之上升。Sentis方案把整个策略网络塞进引擎内部，既简化了部署链路，也让多智能体高频调用成为可能。

PPO（Proximal Policy Optimization，近端策略优化） 是OpenAI于2017年提出的一种on-policy强化学习算法，属于策略梯度方法的改进版本。它通过裁剪重要性采样比率（clipping），限制每次更新时新策略与旧策略的偏离幅度，从而在训练稳定性和样本效率之间取得较好平衡。PPO因其实现简单、超参数不敏感、易于并行化，已成为连续动作空间控制任务（如机器人控制、无人机飞行）的事实标准算法之一。在游戏AI中，PPO常被用来训练需要精细连续控制的智能体，例如本项目中无人机的推力与姿态调整。

Unity Sentis 是Unity官方推出的跨平台神经网络推理库（前身为Barracuda），允许开发者将ONNX格式的模型直接导入Unity项目，并在运行时于CPU或GPU上执行前向推理。Sentis支持在编辑器、桌面、移动端乃至WebGL上运行，无需外部服务或Python进程。其设计目标是让训练好的模型能够无缝嵌入游戏逻辑，特别适合需要低延迟、高频调用的实时AI场景。Sentis的推理后端会自动选择可用的计算设备，并针对Unity的作业系统进行优化。

38射线空间触须：无重训的涌现避障

蜂群的环境感知不靠深度相机，也不靠预计算的可达性图，而是每架无人机向360度空间投射38条射线，形成所谓的"空间触须"。这些射线同时检测动态障碍物和队友位置，输出直接作为策略网络的观测输入。

有意思的是开发者强调的"无需重新训练即可涌现避障"。这意味着策略网络在训练阶段学到的不是针对特定地图的固定路径，而是一种对射线距离模式的通用反应能力。当环境布局变化时，感知层的数据分布仍然落在策略见过的范围内，避障行为自然泛化出来。这正是用感知而非地图做输入的价值所在——地图变了要重训，射线读数变了不需要。

射线投射（Raycast） 是游戏引擎中用于检测射线与场景几何体相交的常用技术，返回命中距离、法线和碰撞体等信息。在AI感知中，一组呈扇形或球面分布的射线常被称为"触须"（whisker），其灵感来源于昆虫的触角。相比深度相机或激光雷达，射线触须的输入维度极低（每条射线仅一个距离值），计算开销小，且对光照、纹理变化不敏感，因此在小规模游戏中更容易训练和泛化。本项目中38条射线覆盖360度空间，既检测静态障碍物，也检测动态队友，形成对周围环境的紧凑编码。

涌现行为（Emergent Behavior） 指智能体在训练中未被显式编程、却因简单规则的交互而自发产生的复杂行为。在强化学习中，当策略网络以感知数据为输入、以奖励函数为导向进行优化时，可能学出设计者未预料到的避障或协作模式。本项目中"无需重新训练即可涌现避障"意味着策略学到了对射线距离模式的通用反应，而非记忆特定地图的路径，因此当环境布局改变时，只要射线读数分布仍在训练分布内，避障行为就能自然迁移。

战术蜂群指挥：解耦的C#协调层

单个无人机的飞行决策由神经网络负责，但"谁进攻、谁掩护"的编队战术则交给一个独立的C#协调器。这个"Tactical Swarm Director"评估视线射线检测结果和玩家盲区的点积计算，动态把攻击手轮换进自杀式俯冲，其余单位保持高空警戒。

这种分层设计值得单独说一句。端到端强化学习理论上可以学出协同战术，但训练难度和可解释性都是问题。把战术决策从神经网络中拆出来，用确定性的规则代码管理队形角色，既保留了单机飞行的神经网络泛化能力，又让编队行为可调试、可干预。游戏AI工程里，这种"神经负责底层、脚本负责高层"的混合架构通常比纯端到端更实用。

分层架构（Hierarchical Architecture） 在游戏AI中指将决策系统划分为不同抽象层次，通常高层负责战术规划、低层负责具体执行。这种设计借鉴了行为树和分层状态机的思想，但本项目中高层使用确定性规则代码（C#协调器），低层使用神经网络。分层的好处是：神经网络只需处理其擅长的连续控制问题，避免端到端学习协同战术时面临的稀疏奖励和训练不稳定；同时高层逻辑可调试、可干预，便于设计师调整编队行为。这种"神经负责底层、脚本负责高层"的混合模式在工业界游戏AI中越来越常见，尤其适用于多智能体系统。

为什么NavMesh在三维空战里行不通

NavMesh本质上是二维流形上的可行走区域划分，它的假设是智能体贴地移动、转弯半径受限于平面。飞行器有垂直方向的自由度，有俯冲和爬升带来的动量变化，还有三维空间中的相互遮挡关系——这些信息在NavMesh里根本没有表达位置。

预绘样条轨道则是另一个极端：行为完全可预测，玩家一旦学会轨道规律，战斗就变成了背板。这个项目的价值在于证明了纯物理加纯神经感知的实时方案在引擎内已经具备可运行性，而不只是论文里的概念。开发者将其定位为"100%实时物理和神经感知"，代码已开源于GitHub的GeistForge-Engine仓库。

NavMesh（导航网格） 是游戏AI中广泛使用的寻路数据结构，它将可行走区域划分为凸多边形集合，并基于此构建导航图进行A*等路径搜索。NavMesh的核心假设是智能体在二维平面上移动，且转弯半径受限于平面几何。对于飞行器，垂直方向的自由度、俯冲爬升的动量变化以及三维空间中的相互遮挡关系，都无法在标准NavMesh中表达。虽然存在扩展的3D导航网格或体素导航方案，但它们通常需要预计算且难以处理高速动态障碍物，因此不适用于实时空战场景。

样条轨道（Spline Track） 是另一种常见的飞行路径控制方式，通过预先绘制的贝塞尔曲线或Catmull-Rom样条定义移动轨迹。其优点是行为完全可预测、易于调试，但缺点是缺乏灵活性，玩家一旦掌握轨道规律，战斗就变成背板。在需要自主决策和动态避障的蜂群战斗中，样条轨道无法提供足够的反应能力，因此本项目选择完全基于物理模拟和神经感知的实时方案。

对游戏AI开发的启示

从工程角度看，这个项目验证了几个可以复用的思路。Sentis把推理延迟压到可忽略的量级，说明引擎内嵌神经网络推理已经能满足实时多智能体需求；射线触须这类低维感知输入比图像输入更容易训练和泛化，适合中小团队；分层架构让神经网络只处理它擅长的连续控制，战术逻辑交给传统代码，降低了整体系统的不可控性。

对独立开发者而言，开源仓库提供了一个起点。强化学习在游戏AI中的落地难点从来不在算法本身，而在训练环境与运行时环境的鸿沟——这个项目用Sentis把这道鸿沟填上了大半。