← 返回作品列表

Unity 2022.3 LTS 回合制战棋强化学习 AI 个人项目

回合战旗·单車破阵

一款把「确定性战斗内核」放在第一位的回合制战棋。同一个战斗规则同时跑在 Unity 客户端和独立的 .NET 模拟器里，用批量对局喂出强化学习 AI，再用联赛 Elo 量化每个单位的强度。

当前版本v0.4.5
引擎Unity 2022.3.62f3c1
单位规模16 单位 + 坟墓
逻辑帧率固定 60 Hz

项目简介

我在做什么，以及为什么这么做

玩法

ATB 行动条：速度决定出手频率，速度 225 的单位一回合内能行动 2.25 次，速度同时还是回复与机动的来源。
网格战棋：单位占地、BFS 寻路、2×2 大型单位与身体格交叉判定。
非对称阵营：人类 10 个单位靠冲锋与装甲打爆发；死灵 6 个单位靠瘟疫、汲取与魂体打消耗。
三场景流程：主菜单 → 选将布阵 → 战斗，可单战也可连战。

为什么强调「确定性」

战斗逻辑只有一个时间入口，固定步长 1/60 秒，逻辑层禁止读取 Time.deltaTime。
这样同一套输入在任何帧率下结果完全一致，才能让模拟器和客户端对得上账。
历史上踩过坑：流血曾按真实时间计时、按渲染帧扣血，结果 13fps 下总伤害只剩 1/4，240fps 下却翻了 4 倍。这条约束就是那次事故换来的。

战斗结算公式

全部以代码为准，Unity 与模拟器双端共用同一套常量

机制	公式 / 规则
普通伤害	`max(ATK - DEF, 1)`，护甲单位先按减伤率折算，再扣护甲、最后扣血
移动力	`1 + max(⌊log(速度/100)/log(1.5)⌋, 0)`，阈值 150→2 格、225→3 格
ATB 频率	`行动条 += 速度 × dt × 60`，与速度成正比
冲锋增伤	`伤害 × (1 + 0.5 × 本回合移动步数)`
能量上限	`智力 × 10`
回合结束回复	生命 `剩余移动力 × 1% 最大生命`；能量 `剩余移动力 × 0.5 × 智力`
护甲	建筑 `最大生命 × 1`（减伤 50%）；装甲 `最大生命 × 4`（减伤 60%）
反震	近战且目标 DEF 更高时：`原始伤害 × min((目标DEF - 自身DEF)/自身DEF, 1)`
远程偏折	50% 概率伤害 `× 0.5`
锋锐流血	破甲活物：20 帧 DOT，每帧 `实际伤害 × 5%`，合计约 100%
钝击	目标 DEF 减半、无视护甲减伤；对无甲活物触发骨折（速度 ×0.3）
汲取	`伤害 = 智力 × 0.75`，无视 DEF 与魂体减伤，对活物回血，固定耗能 15
瘟疫	每层 `3% 最大生命` DOT / 20 帧，四正向传播全层、四斜向传播半层；亡灵免疫伤害但仍可传播
魂体	90% 普通减伤、免疫骨折、无反震、穿透移动与攻击
唤灵	领域影响力 `512 / 2^(距离-1)`，从坟墓复活亡灵

单位图鉴

16 个可用单位 + 1 个建筑。数值取自工程内的原型资源，胜率来自 1000 局启发式对局实测

人类系

活物 · 10 单位 · 全部 1×1 占地

战车

冲锋装甲坦克

活物冲锋装甲

速度225

HP150

ATK35

DEF25

INT5

范围1

总胜 45%

外战 22%

机枪

远程据点堡垒

活物远程钝击据点

速度100

HP100

ATK40

DEF10

INT10

范围5

总胜 26%

外战 8%

骑兵

A+

冲锋骑兵

活物冲锋

速度150

HP120

ATK25

DEF15

INT10

范围1.5

总胜 32%

外战 14%

剑士

横扫锋锐主力

活物横扫锋锐

速度80

HP100

ATK30

DEF10

INT10

范围1.5

总胜 25%

外战 9%

枪客

拦截锋锐

活物锋锐拦截

速度80

HP100

ATK30

DEF10

INT10

范围2

总胜 24%

外战 9%

医者

A-

仁心治疗师

活物仁心

速度60

HP120

ATK10

DEF15

INT20

范围2

总胜 26%

外战 14%

棍棒

A-

横扫钝击战士

活物横扫钝击

速度70

HP100

ATK25

DEF20

INT5

范围1.5

总胜 30%

外战 10%

旗帜

B+

鼓舞坦克

活物鼓舞

速度50

HP200

ATK20

DEF20

INT15

范围1.5

总胜 26%

外战 9%

弓手

远程锋锐

活物锋锐远程

速度80

HP80

ATK25

DEF5

INT10

范围3

总胜 25%

外战 8%

白卒

B--

基础步兵

活物

速度100

HP80

ATK20

DEF5

INT10

范围1

总胜 26%

外战 8%

死灵系

亡灵 · 6 单位 + 坟墓建筑

祭司

S+

唤灵汲取核心

亡灵远程汲取唤灵

速度80

HP150

ATK0

DEF0

INT50

范围3

总胜 80%

外战 81%

巫妖

瘟疫汲取领主

亡灵远程汲取瘟疫

速度60

HP250

ATK10

DEF15

INT40

范围4

总胜 88%

外战 90%

血魔

汲取恐吓突击手

亡灵恐吓汲取

速度120

HP120

ATK25

DEF5

INT20

范围1.5

总胜 91%

外战 90%

幽魂

A-

魂体骚扰者

亡灵恐吓魂体

速度150

HP20

ATK20

DEF0

INT5

范围1.5

总胜 84%

外战 87%

僵尸

B+

瘟疫肉盾

亡灵瘟疫

速度40

HP200

ATK10

DEF20

INT0

范围1

总胜 89%

外战 91%

骷髅

B--

亡灵炮灰

亡灵

速度75

HP40

ATK20

DEF2

INT0

范围1

总胜 84%

外战 85%

坟墓

体系单位

建筑尸体（唤灵载体）

建筑尸体

速度100

HP生成时=原25%

ATK—

DEF5

INT0

范围0

体系单位 · 由唤灵机制生成

平衡实测与已知问题

HeuristicModel 1000 局自动对战统计 —— 包括对自己不利的结论

模型	局数	总胜率	vs 人类专精	vs 死灵专精	vs 综合
人类专精	500	24.4%	—	21.6%	27.2%
死灵专精	500	73.0%	78.0%	—	68.0%
综合模型	750	49.1%	72.4%	28.4%	46.4%

人类系单位	选取率	总胜	内战	外战
战车	63%	45%	100%	22%
机枪	58%	26%	65%	8%
骑兵	56%	32%	71%	14%
剑士	59%	25%	62%	9%
枪客	62%	24%	65%	9%
医者	62%	26%	63%	14%
棍棒	58%	30%	81%	10%
旗帜	70%	26%	76%	9%
弓手	69%	25%	72%	8%
白卒	68%	26%	78%	8%

死灵系单位	选取率	总胜	内战	外战
祭司	69%	80%	77%	81%
巫妖	71%	88%	83%	90%
血魔	83%	91%	93%	90%
幽魂	81%	84%	78%	87%
僵尸	83%	89%	82%	91%
骷髅	85%	84%	82%	85%

已知问题：阵营严重失衡。 无论哪种模型配对，人类 vs 死灵的外战胜率都落在 8% ~ 22% 区间。从单位维度看，人类系内部胜负关系是合理的（内战 62%~100%），说明这是阵营级而非单兵级的问题——亡灵的治疗反转、瘟疫免疫与坟墓续航形成了系统性优势。这条结论我保留在文档里没有改口径，它也是下一版平衡改动的首要依据。

技术实现

这个项目里我认为最有价值的部分

双端共用的确定性内核

Unity 客户端与 .NET 9 模拟器各自实现一遍战斗逻辑，但共用同一套公式常量。逻辑层只有唯一的固定步长入口，帧率、垂直同步、卡顿都不会改变任何数值判定。这是模拟结果能反哺游戏平衡的前提。

独立离线模拟器

脱离 Unity 的纯 C# 工程，复现了 13 项战斗机制，用于批量自动对战与联赛评估。实测 500 局连续运行零崩溃——它比在编辑器里跑对局快几个数量级，是训练数据的主要来源。

PyTorch 训练管线

CNN + MLP + Attention 的混合网络，约 190 万参数。先做行为克隆（BC）达到 63% 决策准确率，导出 ONNX 后由 C# 端直接推理，PPO 流程也已跑通验证。

用 Elo 而不是「胜率」评估强度

早期用「对教师模型的胜率」衡量强弱，口径混乱且不可比。现在统一改用联赛 Elo，所有模型放进同一个池子里对局排名，跨版本的数据才真正可比。

版本历程

从能打到能被量化

v0.1 – v0.3战斗循环、网格与寻路、单位特性系统成型；补齐操作按钮面板与路径规划滤镜
v0.4.0独立 C# 模拟器（13 项机制全复现）、PyTorch 训练管线、BC 训练 + ONNX 导出、选将布阵系统
v0.4.12×2 单位移动/攻击范围 BFS 修复、瘟疫包围盒传播算法、连战/单战双模式
v0.4.3恐吓机制重做（智力可负、负能量清算）、三场景架构、跨场景数据桥
v0.4.5待命跳过回合的回复丢失修复；能量消耗判定统一为固定 15；全量审计所有扣能路径