把章节变成可单步观察的过程
分类：游戏 AI 与逻辑建模 / 移动与局部避障
先说结论
Steering 先产生“我想怎样移动”的期望速度，RVO/ORCA 再根据邻居把危险速度裁掉，移动控制器最后把可行速度落到角色。位置空间描述目标在哪里，速度空间描述下一小段时间采用什么速度。
一帧速度怎样被修正
当前速度：(0, 0)
Steering 期望速度：(4, 0)
前方邻居形成的禁区包含：(3, 0) 到 (5, 1)
ORCA 选择最近可行速度：(3.2, 1.1)
deltaTime = 0.1
本帧位移约：(0.32, 0.11)下一帧会根据新位置重新计算，不是提前锁死整条绕行路线。全局路径仍负责告诉角色大方向，局部避障只负责短期安全。
从“想去哪”到“下一刻怎么动”
想象在人群中去车站：
全局路线告诉你：沿这条街走，再从路口右转。
你自己想保持的速度：朝车站方向正常步行。
附近行人靠近时：临时侧身、减速或绕开。这里至少有三个层次：
全局路径：提供长期方向或路径走廊。
Steering：根据目标生成期望速度。
RVO / ORCA：根据邻居约束修正速度，减少未来碰撞。局部避障通常不负责回答“最终目的地在哪里”，而是回答：
在接下来一小段时间里，哪个速度既安全，又尽量接近期望速度？速度是向量：
velocity = direction * speed所以选择新速度，同时选择了移动方向和移动快慢。
Steering：先产生期望运动
Steering 是一类局部运动意图生成方法，而不是单一固定算法。
最基础的 Seek 可以写成：
desiredVelocity =
Normalize(targetPosition - position) * maxSpeed如果直接把当前速度瞬间替换为期望速度，运动可能突变。常见做法是限制加速度：
steering =
ClampMagnitude(desiredVelocity - currentVelocity,
maxAcceleration)然后积分：
newVelocity = currentVelocity + steering * deltaTime
newPosition = position + newVelocity * deltaTime这里可验证的通用关系是：
期望速度描述想怎样移动。
加速度约束描述速度能多快变化。
位置由速度随时间推进。而以下都是具体实现选择：
最大速度
最大加速度
到达半径
减速曲线
转向响应
固定时间步还是可变时间步这些值必须来自运动设计、物理约束或可验证配置，不能从算法名称推导。
Arrive：接近目标时减速
只有 Seek 时，角色可能冲过目标再折返。Arrive 的直觉是：
远处正常前进。
进入减速区域后逐渐降低期望速度。
到达可接受范围后停止。一种抽象表达：
distance = Length(targetPosition - position)
targetSpeed = SpeedCurve(distance)
desiredVelocity =
Normalize(targetPosition - position) * targetSpeedSpeedCurve 的形状、停止范围和是否允许过冲不是通用固定值，而是运动模型选择。
从位置空间切换到速度空间
普通碰撞检测常问：
两个物体现在是否重叠？速度障碍问的是：
如果双方保持某个速度，未来时间窗内是否会碰撞？假设两个圆形代理 A、B：
位置：pA, pB
半径：rA, rB
速度：vA, vB把 B 看成相对静止，可以使用相对量：
relativePosition = pB - pA
relativeVelocity = vA - vB
combinedRadius = rA + rB问题变成：
从相对位置出发，按相对速度前进，
是否会在时间窗内进入 combinedRadius 的圆？这一步把“双物体移动碰撞”转化为“相对速度是否落入危险集合”。
VO：速度障碍
VO 是 Velocity Obstacle。
在二维速度平面中，每一个点都代表一个候选速度：
横轴：速度 x 分量
纵轴：速度 y 分量对于邻居 B，可以构造一个危险区域：
候选速度落在 VO 内：
按当前预测模型会在时间窗内碰撞。
候选速度落在 VO 外：
在该时间窗和模型下不会与 B 碰撞。无限时间范围的圆形 VO 直观上像从相对位置张开的锥形区域。有限时间窗会对区域进行截断，使“很久以后才可能发生的碰撞”不必立即主导当前速度。
时间窗越长：
更早为远期冲突做准备
但约束通常更保守时间窗越短：
更关注眼前
但可能较晚才开始避让时间窗的具体数值是行为与性能选择，不是 VO 理论给出的万能常数。
为什么只用 VO 可能来回摆动
如果 A 把 B 的当前速度当成固定不变：
A 发现继续直走会撞，于是向左避。
B 同时也重新计算，并向自己的左侧避。
下一次双方又根据新速度修正。双方可能反复猜测对方的下一步，出现：
左右摆动
过度避让
速度不稳定这不是每次都会发生，但说明局部避障不仅要判断危险速度，还要定义多代理之间如何分担修正责任。
RVO：双方共同承担避让
RVO 是 Reciprocal Velocity Obstacle。
核心直觉：
不要假设只有自己会避让。
预测双方都会对潜在碰撞做出一部分修正。两人迎面而来：
A ---> <--- B期望不是让 A 完全承担横向偏移，而是：
A 修正一部分
B 修正一部分“互惠”能减少单方过度反应，但经典 RVO 仍可能面临振荡、对称僵局和复杂邻居组合问题。
双方平均分担只是常见对称模型。非对称责任、不同优先权或不合作代理都需要额外建模，不能假设 RVO 自动理解这些规则。
ORCA：把避障写成半平面约束
ORCA 是 Optimal Reciprocal Collision Avoidance。
它的关键思路可以概括为：
对每个邻居，计算避免碰撞所需的最小速度修正。
双方按责任模型分担修正。
由此生成一个允许速度的半平面约束。
在所有约束交集中，寻找最接近期望速度的速度。对一个邻居，速度平面被一条线分成两侧：
允许侧：满足该邻居的避碰要求。
禁止侧：仍可能造成时间窗内碰撞。多个邻居产生多个半平面：
约束 1 ∩ 约束 2 ∩ 约束 3 ...再叠加最大速度圆：
Length(candidateVelocity) <= maxSpeed求解目标：
在可行域内，找到距离 preferredVelocity 最近的速度。这是一种约束优化视角。
ORCA 一帧中的逐步流程
第一步：生成期望速度
全局路径或 Steering 提供：
preferredVelocity它表达“没有局部冲突时最想采用的速度”。
第二步：查询邻居
空间查询得到一定范围内的动态邻居：
neighborA
neighborB
neighborC邻居搜索半径、最大邻居数和空间索引结构都是性能与行为选择。
第三步：构造每个邻居的速度约束
对每个邻居：
计算相对位置
计算相对速度
计算合并半径
建立有限时间窗内的速度障碍
找到把当前相对速度推出危险区域的最小修正 u
按责任模型分配修正
生成 ORCA 线与允许半平面第四步：求可行速度
在所有半平面的交集和最大速度约束内求解：
arg min
Length(candidateVelocity - preferredVelocity)如果期望速度本身满足所有约束，就直接保留它。
第五步：交给运动执行层
ORCA 输出的是建议速度。实际角色可能还受：
加速度上限
转向速度
动画根运动
地形约束
物理接触因此“ORCA 速度可行”不等于角色能在一个时间步内瞬间达到该速度。运动模型与避障模型差异越大，预测误差越明显。
速度空间中的一个直观例子
当前期望速度指向正右方：
preferredVelocity = (right, fast)前方邻居产生一条约束线，正右方落在禁止侧：
允许区域
/
/ constraint
preferred X/
/
/ 禁止区域求解器把期望速度投影或调整到最近的可行位置：
newVelocity = 约束边界附近的安全速度可能表现为：
稍微向侧面偏移
降低速度
或两者同时发生具体选择由所有约束与“最接近期望速度”的目标共同决定。
最小 C# 数据流示例
下面展示职责边界，不实现完整 ORCA 几何求解：
public readonly struct AgentSnapshot
{
public readonly Vector2 Position;
public readonly Vector2 Velocity;
public readonly float Radius;
public AgentSnapshot(
Vector2 position,
Vector2 velocity,
float radius)
{
Position = position;
Velocity = velocity;
Radius = radius;
}
}
public readonly struct VelocityConstraint
{
public readonly Vector2 Point;
public readonly Vector2 Normal;
public VelocityConstraint(Vector2 point, Vector2 normal)
{
Point = point;
Normal = normal;
}
public bool Allows(Vector2 velocity)
{
// 候选速度必须位于约束法线指向的允许半平面。
return Vector2.Dot(velocity - Point, Normal) >= 0f;
}
}
public static Vector2 ChooseLocalVelocity(
AgentSnapshot self,
IReadOnlyList<AgentSnapshot> neighbors,
Vector2 preferredVelocity,
float maxSpeed,
float timeHorizon)
{
var constraints = new List<VelocityConstraint>();
foreach (AgentSnapshot neighbor in neighbors)
{
// 真实实现应在这里根据相对位置、相对速度、
// 合并半径和时间窗构造一条 ORCA 约束。
constraints.Add(
BuildOrcaConstraint(self, neighbor, timeHorizon));
}
// 求解器应在最大速度圆和全部半平面的交集中，
// 寻找最接近期望速度的可行速度。
return SolveClosestFeasibleVelocity(
preferredVelocity,
maxSpeed,
constraints);
}这段示例没有猜测：
邻居距离
时间窗大小
代理半径
最大速度
责任分配比例它们必须由调用方提供可验证配置。BuildOrcaConstraint 和 SolveClosestFeasibleVelocity 也不能用随意采样冒充完整 ORCA 实现。
正常路径
没有邻居约束
preferredVelocity 在最大速度范围内
直接输出 preferredVelocity一个迎面邻居
直行速度进入危险区域
生成一个半平面约束
选择边界附近最接近期望速度的速度
双方共同侧向修正多个邻居但仍有可行域
所有半平面仍有交集
求解器在交集内找到合法速度
速度可能比单邻居时偏转或减速更多边界路径
初始已经重叠
标准“预测未来碰撞”不足以解释已经发生的穿透。
算法通常需要：
更短时尺度的分离约束
或独立的重叠修复与物理接触处理具体恢复策略不是 ORCA 名称自动规定的，尤其不能悄悄把代理瞬移到猜测位置。
完全对称的迎面或窄口场景
如果双方：
形状相同
速度相同
目标对称
规则相同局部选择可能长期对称，出现：
左右摇摆
同时停下
在窄口互不相让可通过高层通行规则、稳定侧偏偏好、优先权或通道调度打破对称。但这些都是额外行为规则，需要明确设计依据。
静态障碍与动态代理同时存在
墙壁不会与代理“共同承担一半避让”。静态障碍约束需要独立处理，责任模型不能直接照搬双方对称分担。
加速度受限
求解出的速度在几何上安全，但执行层无法立即达到：
实际轨迹可能仍然进入碰撞区域。需要让求解器考虑可达速度集合，或让时间窗、运动控制和代理模型保持一致。采用何种方法取决于实际运动系统。
失败路径
约束交集为空
拥挤、狭窄或参数不一致时，可能不存在同时满足所有约束的速度。
此时必须暴露：
哪些约束冲突
是否连静止速度也不可行
最大违反量
当前邻居和障碍快照“随便返回零速度”“忽略最后一条约束”或“继续使用期望速度”都是降级策略，不是 ORCA 的无条件正确答案。采用任何一种都需要明确的产品行为和错误可见性。
邻居快照不同步
如果 A 使用本帧的 B 状态，而 B 使用上一帧的 A 状态：
双方对彼此运动的预测不一致结果可能抖动或偏离互惠假设。更新顺序、快照时点和双缓冲策略属于运行时设计。
半径与真实占用不一致
代理半径小于真实碰撞体：
速度空间认为安全，视觉或物理上仍会相撞。代理半径过大：
可行域被过度压缩，通道可能被误判为无法通过。半径必须来自明确的移动占用模型。
只做局部避障，没有全局路线
局部速度选择只看附近冲突时，可能：
绕到死路
在 U 形障碍内徘徊
为了眼前通行偏离长期目标这是局部方法的适用边界，不是继续增加邻居数量就一定能解决的问题。
进阶：性能代价
每个代理的主要开销通常来自：
邻居查询
为邻居构造约束
求解约束下的最近速度
更新运动状态如果每个代理都检查所有其他代理，邻居阶段会快速增长。常见空间加速结构包括：
均匀网格
空间哈希
k-d tree
BVH 或其他邻域索引选择哪种结构取决于：
代理数量
分布密度
移动频率
查询半径
更新成本不能只凭某种结构“常见”就认定它适合所有场景。
与全局寻路和移动控制的接口
一个清晰的数据流可以是：
目标
↓
全局路径或导航走廊
↓
Steering 生成 preferredVelocity
↓
RVO / ORCA 修正为 collisionAvoidanceVelocity
↓
运动控制器施加加速度、转向和地面约束
↓
得到真实 velocity 与 position下一帧避障必须读取真实执行结果，而不是假设角色已经完美采用了上一帧建议速度。
调试速度空间应该看什么
只在位置空间画角色圆圈通常不够。建议同时观察：
当前速度
期望速度
最终选择速度
邻居范围
每个邻居的相对位置与相对速度
每条 ORCA 约束线及允许侧
最大速度圆
最终可行域
时间窗和状态快照时点一次选择的诊断记录可以表示为：
preferredVelocity：可视化为箭头
constraintCount：约束数量
selectedVelocity：最终箭头
feasible：是否存在完整可行解
activeConstraints：真正限制最终结果的约束这样才能区分：
全局路径给错方向
Steering 期望速度不合理
邻居查询漏掉对象
ORCA 约束构造错误
求解器错误
运动控制器没有跟上建议速度通用算法与实现选择
可验证的通用机制
Steering 生成局部期望速度或加速度。
VO 用相对运动描述会在未来时间窗内碰撞的危险速度。
RVO 引入双方共同避让的互惠假设。
ORCA 将邻居避碰要求转化为速度空间半平面约束。
ORCA 在可行速度中寻找接近期望速度的结果。
局部避障不能替代全局路径规划。必须由具体实现确定
代理半径与形状
最大速度与加速度
时间窗
邻居距离与最大邻居数
责任分配和优先权
静态障碍处理
约束无解时的明确策略
快照与更新顺序
求解精度与计算预算
运动控制器怎样跟随建议速度最后总结
从 Steering 到 ORCA，可以看成逐层加约束：
Steering：
我想用什么速度接近目标？
VO：
哪些速度会导致未来碰撞？
RVO：
如果双方都会避让，危险速度应该怎样理解？
ORCA：
把每个邻居的避碰要求变成半平面，
再从公共可行域中选择最接近期望的速度。可靠实现的关键不是只得到一根“看起来会绕开”的箭头，而是让以下模型彼此一致：
全局路线
代理占用范围
速度与加速度能力
邻居状态快照
预测时间窗
约束求解
真实运动执行