계층적 목표 판단
Selector, Sequence, Decorator, Service로 순찰, 추적, 공격, 후퇴를 시각적으로 나눠 관리합니다.
AI 구조 판단
AI 구조는 행동의 복잡도와 반응 방식 선택
모든 적에게 행동 트리가 필요한 것은 아닙니다. 상태가 적고 전환이 단순한지, 목표 우선순위가 자주 바뀌는지, 학습 데이터가 있는지를 먼저 확인합니다.
적은 상태와 명확한 전환
대기, 이동, 공격처럼 상태 수가 작고 조건이 뚜렷한 AI나 애니메이션 제어에 적합합니다.
점수 기반 행동 선택
체력, 거리, 위협도 같은 값을 점수화하고 최고 점수 행동을 매 틱 또는 일정 주기로 다시 고르는 AI에 맞습니다.
규칙화하기 어려운 적응
강화 학습이나 외부 모델은 훈련 환경, 평가 지표, 런타임 추론 비용이 준비된 경우에 검토합니다.
블랙보드 기준: 판단의 중심
TargetActor, PatrolLocation, HasLineOfSight 같은 키가 명확해야 Decorator와 Task가 같은 의미로 동작합니다.
실행 중인 이유를 볼 수 있어야 한다
AI Debugger와 Visual Logger로 현재 브랜치, 블랙보드 값, 이동 실패 원인을 확인할 수 없는 구조는 운영 중 수정이 어렵습니다.