Download do aitoolkit - Download do código -fonte do aitoolkit

Ai Toolkit

O AI Toolkit é uma biblioteca C ++ somente para cabeçalho que fornece ferramentas para a construção do cérebro dos NPCs do seu jogo.

Ele fornece:

Máquinas de estado finitas
Árvore de comportamento
Utilitário ai
Planejamento de ação orientado a objetivos

Por que este projeto? Bem, eu escrevi sobre isso aqui.

Instalação

Adicione a pasta include este repositório aos seus caminhos de incluir.

Ou adicione -o como um submódulo:

 $ git submodule add https://github.com/linkdd/aitoolkit.git
$ g++ -std=c++23 -Iaitoolkit/include main.cpp -o mygame

NB: Esta biblioteca é compatível com C ++ 20.

Ou usando o Shipp, adicione -o às suas dependências:

{
  "name" : " myproject " ,
  "version" : " 0.1.0 " ,
  "dependencies" : [
    {
      "name" : " aitoolkit " ,
      "url" : " https://github.com/linkdd/aitoolkit.git " ,
      "version" : " v0.5.1 "
    }
  ]
}

Uso

Máquina de Estado Finito

Primeiro, inclua o cabeçalho:

# include < aitoolkit/fsm.hpp >

using namespace aitoolkit ::fsm ;

Em seguida, crie seu tipo de quadro -negro:

 struct blackboard_type {
  // ...
};

Em seguida, crie um tipo de estado para cada um de seus estados:

 class state_dummy final : public state<blackboard_type> {
  public:
    virtual void enter (blackboard_type& blackboard) override {
      // ...
    }

    virtual void exit (blackboard_type& blackboard) override {
      // ...
    }

    virtual void pause (blackboard_type& blackboard) override {
      // ...
    }

    virtual void resume (blackboard_type& blackboard) override {
      // ...
    }

    virtual void update (blackboard_type& blackboard) override {
      // ...
    }
};

Crie sua máquina de estado simples:

 auto simple_bb = blackboard_type{};
auto simple_fsm = simple_machine<blackboard_type>();

simple_fsm.set_state(state_dummy{}, simple_bb);
simple_fsm.pause(simple_bb);
simple_fsm.resume(simple_bb);
simple_fsm.update(simple_bb);

Ou com uma máquina de estado de pilha:

 auto stack_bb = blackboard_type{};
auto stack_fsm = stack_machine<blackboard_type>{};

stack_fsm.push_state(state_dummy{}, stack_bb);
stack_fsm.push_state(state_dummy{}, stack_bb);

stack_fsm.update(stack_bb);

stack_fsm.pop_state(stack_bb);
stack_fsm.pop_state(stack_bb);

Árvore de comportamento

Primeiro, inclua o cabeçalho:

# include < aitoolkit/behtree.hpp >

using namespace aitoolkit ::bt ;

Em seguida, crie seu tipo de quadro -negro:

 struct blackboard_type {
  // ...
};

Em seguida, crie sua árvore:

 auto tree = seq<blackboard_type>(
  node_list<blackboard_type>(
    check<blackboard_type>([]( const blackboard_type& bb) {
      // check some condition
      return true ;
    }),
    task<blackboard_type>([](blackboard_type& bb) {
      // perform some action
      return execution_state::success;
    })
  )
);

Finalmente, avalie -o:

 auto blackboard = blackboard_type{
  // ...
};

auto state = tree.evaluate(blackboard);

Para mais informações, consulte a documentação.

Utilitário ai

Primeiro, inclua o arquivo de cabeçalho:

# include < aitoolkit/utility.hpp >

using namespace aitoolkit ::utility ;

Em seguida, crie um tipo de quadro negro:

 struct blackboard_type {
  int food{ 0 };
  int wood{ 0 };
  int stone{ 0 };
  int gold{ 0 };
};

Em seguida, crie uma classe para cada ação que você deseja executar:

 class collect_food final : public action<blackboard_type> {
  public:
    virtual float score ( const blackboard_type& blackboard) const override {
      return 50 . 0f ;
    }

    virtual void apply (blackboard_type& blackboard) const override {
      blackboard. food += 1 ;
    }
};

class collect_wood final : public action<blackboard_type> {
  public:
    virtual float score ( const blackboard_type& blackboard) const override {
      return 150 . 0f ;
    }

    virtual void apply (blackboard_type& blackboard) const override {
      blackboard. wood += 1 ;
    }
};

class collect_stone final : public action<blackboard_type> {
  public:
    virtual float score ( const blackboard_type& blackboard) const override {
      return - 10 . 0f ;
    }

    virtual void apply (blackboard_type& blackboard) const override {
      blackboard. stone += 1 ;
    }
};

class collect_gold final : public action<blackboard_type> {
  public:
    virtual float score ( const blackboard_type& blackboard) const override {
      return 75 . 0f ;
    }

    virtual void apply (blackboard_type& blackboard) const override {
      blackboard. gold += 1 ;
    }
};

Finalmente, crie um avaliador e execute -o:

 auto evaluator = evaluator<blackboard_type>(
  action_list<blackboard_type>(
    collect_food{},
    collect_wood{},
    collect_stone{},
    collect_gold{}
  )
);

auto blackboard = blackboard_type{};
evaluator.run(blackboard);

Planejamento de ação orientado a objetivos

Primeiro, inclua o arquivo de cabeçalho:

# include < aitoolkit/goap.hpp >

using namespace aitoolkit ::goap ;

Em seguida, crie uma aula de quadro -negro que manterá o estado do planejador:

 struct blackboard_type {
  bool has_axe{ false };
  int wood{ 0 };
};

NB: O quadro -negro precisa ser comparável ( a == b ) e hashable.

Em seguida, crie uma classe para cada ação que você deseja executar:

 class get_axe final : public action<blackboard_type> {
  public:
    virtual float cost ( const blackboard_type& blackboard) const override {
      return 1 . 0f ;
    }

    virtual bool check_preconditions ( const blackboard_type& blackboard) const override {
      return !blackboard. has_axe ;
    }

    virtual void apply_effects (blackboard_type& blackboard, bool dry_run) const override {
      blackboard. has_axe = true ;
    }
};

class chop_tree final : public action<blackboard_type> {
  public:
    virtual float cost ( const blackboard_type& blackboard) const override {
      return 1 . 0f ;
    }

    virtual bool check_preconditions ( const blackboard_type& blackboard) const override {
      return blackboard. has_axe ;
    }

    virtual void apply_effects (blackboard_type& blackboard, bool dry_run) const override {
      blackboard. wood += 1 ;
    }
};

Finalmente, crie um plano e execute -o:

 auto initial = blackboard_type{};
auto goal = blackboard_type{
  . has_axe = true ,
  . wood = 3
};

auto p = planner<blackboard_type>(
  action_list<blackboard_type>(
    get_axe{},
    chop_tree{}
  ),
  initial,
  goal
);

auto blackboard = initial;
while (p) {
  p. run_next (blackboard); // will mutate the blackboard
}