4.2.1 感觉输入 Sensorial Input

    系统有两个信息通道：视觉和听觉，主要是视觉。有别于一般的直接感应，

    一种视觉合成方法——多层次空间场景，用于表示外部世界。3D的虚拟环境由多层次空间表示成八叉树(Octree)，如果一个节点包围的图元大于某个阈值，就将这个节点再次叉分成八个字结点。视觉合成用八叉树结合局部Z缓冲算法，判断Agent的可见物体。同样地，感知层也要对输入进行过滤。

    4.2.2 FzFSM和记忆 FzFSM and Memory

    FzFSM是一个有限状态机，每一个状态有介于[0,1]的模糊值代表状态等级，调节动画的转移矩阵，避免重复的动画。

    角色的行为设计分成高级和低级两层。高级层面向目标，更概括，更直观。低级层面向动作，更具体，更细致。如一个“追逐猎物”的高级行为可分解成“直冲”，“转弯”，“加速”等低级行为。

    记忆就是将能记住的物体保留在八叉树中，并用一个递减的八进制数说明记忆的准确度。

    4.2.3 动画层 Animation Layer

    动画层用面片皮肤动画(Mess Skinning Animation)实现，激活骨骼(Skeleton)尾部的转移矩阵完成动画。Quaternion方法的球面线形插值(Spherical Linear Interpolation)算法完成动画的平滑过渡。

图4-3分别表示行走的人，边走边小心观望的人，惊恐的跑的人

    4.3小结

    行为Agent主要从行为上模拟生物，代替人类在虚拟环境中活动，给其它研究一个相对理想的试验平台，不论是动力学、社会学、生物学。

    行为Agent与特定的硬件结合，还可以帮助人类完成繁重危险的工作。如汽车装配机器，外太空探测器等。

    然而，现在的研究还不足以令行为Agent让人信服，只是在特定的条件下才能发挥特点。如让Agent平衡自然上下楼梯就不是一件易为的工作。

    我想行为Agent发展的将来就是机器人，与人类一起生活工作在现实世界中，距完全实现这一天也许很远，但在一定程度上获得突破很值得期待。

    五、多Agent系统Multi-Agent

    在大型的虚拟环境中，一个Agent并不能很真实的反映客观世界的情况，常常需要大群Agent参予其中，相互交流，协同合作。比如社会系统的模拟，[35]

    称之为MAS(Multi-Agent Society)；[36]中蚂蚁王国的例子是基于计算Agent (Computational Agent)，CA代表一一对应关系的有机体。

    以下以金斯敦大学计算和信息学院的FreeWill[33][34]体系构架为例，说明多Agent在生成人群场景上的应用。

    FreeWill的目的是利用多Agent完成人群场景的模拟，设计实现一套可扩展可调节的认知构架，并和其它软件包协同工作，如几何引擎，AI引擎等。FreeWill用java编码，图形包用的是3D Max Studio。

    5.1 虚拟人Avatar

    FreeWill的虚拟人集合FCA[Funge’s Cognitive Architecture]和SAC[32]的特点，并扩展成更鲁棒更灵活的体系。表5-1是关于FCA和SAC的对比。

表5-1 关于FCA和SAC的对比

    每个虚拟人都是改进的SAC Agent，有两个子系统：几何引擎和AI引擎。

    几何引擎包括一系列几何函数，把握虚拟人的躯体参数。几何引擎是从FCA体系中借鉴过来，以反运动学控制虚拟人的几何面。几何引擎内建了许多简单的动作模式模拟人的行为。

    AI引擎完成环境感应，数据感知，目标规划，碰撞避免等。FCA的内部世界模型是知识的基本组成，同样包含计划库(Plan Library)。

    5.2 虚拟人间的通信Communication among Agents

    虚拟人之间的通信主要通过基于事件(Event)的全局调度(图5-2)实现。调度器(Scheduler)维护一个事件队列，既分配事件，又要安排事件的序列。虚拟人必须先提交一个事件到调度器，等到接受这个事件才能执行相应的命令。

图5-2 虚拟人之间的通信主要通过基于事件(Event)的全局调度实现

    所以FreeWill执行周期是这样进行的：

    (1) 虚拟人感应环境的变化；

    (2) 更新信念(Belief)；

    (3) 评估当前计划，如果一个新的动作必须被执行，取消当前运动队列，提交新的动作事件；

    (4) 如果需要，更新目标；

    (5) 如果需要，更新计划；