合作类游戏里的 NPC 队友常被玩家吐槽「各打各的」：枪法不差，却没人补位、没人掩护。在《游戏AI实验室》近期的一组原型实验中，我们把「团队配合」从行为树脚本里搬出来，交给一个轻量的多智能体决策层来学。
做法上有三点：把每个智能体的局部观测压缩成一个 32 维共享意图向量（推进、占位、支援、撤退四类语义），队友之间可读取彼此意图；采用集中式 critic、分散式执行训练，让信用分配落在团队级回报上；同时保留地图语义（掩体、通道、目标点）作为硬约束，避免学出「绕后不占点」的怪招。
阶段性进展：在内部 200 局对照测试中，人类玩家对「队友有用」的主观评分由 3.1 提升到 4.0（5 分制），无效交火时长下降约 18%，补位响应时间中位数缩短约 0.6 秒。需要说明的是，当前策略偏保守，逆风局胜率提升有限，撤退决策也容易过早。
下一步计划：加入显式通信通道（标记与简短指令），并在 120ms 延迟、5% 丢包的条件下测试意图共享的鲁棒性，同时验证推理开销能否压进客户端帧预算。
评论