24강. 최종 실습: 탑다운 적 추적·전투 AI

?1. 이번 강의에서 해결할 문제

순찰, 추적과 공격이 각각 동작하지만 경계 조건에서 잘못 전환되거나 적이 많을 때 판단이 한 프레임에 몰립니다. 모든 수학·AI 시스템을 하나의 검증 가능한 전투 AI로 통합합니다.

✓2. 학습 목표

✓이 강의를 마치면

• 위치·방향·거리·시야 계산을 AI 상태와 행동에 연결합니다.
• NavMesh, AIController, Blackboard와 Behavior Tree 책임을 통합합니다.
• 정상·경계·실패·대규모 상황 테스트와 후속 확장 계획을 완성합니다.

◇3. 핵심 개념

최종 AI 흐름

BT Service (0.25s ± 분산)
  └─ AIController
      ├─ 거리 제곱 → 추적·공격 후보
      ├─ 내적 → 시야각
      ├─ Line Trace → 장애물 차폐
      ├─ State 결정 → Blackboard
      └─ LastKnownLocation / LastSeenTime

Behavior Tree Selector
  ├─ Attack: 시야 + 공격 거리 + 쿨다운
  ├─ Chase: 목표 또는 마지막 위치로 MoveTo
  └─ Patrol: Home 주변 NavMesh 위치 → MoveTo → Wait

Enemy Character
  └─ 몸, CharacterMovement, 회전 보간, 공격 실행, HealthComponent

멀티플레이에서는 AI와 피해 판단의 서버 권한, 상태 복제와 시각 효과 RPC를 별도로 설계해야 합니다. 이 과정은 싱글플레이 구조와 성능 근거에 집중합니다.

✎4. 단계별 실습

4-1. Controller의 최종 공격 조건

C++ · 파일 경로: Source/TopDownSurvival/AI/MathAIController.cpp

MathAIController.cpp · CanAttackTarget

bool AMathAIController::CanAttackTarget(AActor* Target) const
{
    const APawn* Enemy = GetPawn();
    if (!Enemy || !IsValid(Target) || !AIConfig)
    {
        return false;
    }

    const bool bInRange = UGameMathLibrary::IsWithinRange2D(
        Enemy->GetActorLocation(),
        Target->GetActorLocation(),
        AIConfig->AttackDistance);

    return bInRange && HasClearSight(Target);
}

4-2. 설정 적용과 AI별 판단 주기

19강에서는 Behavior Tree Service를 사용했습니다. 최종 프로젝트에서 적마다 다른 DataAsset 주기를 적용하려면 공유될 수 있는 BT Node 멤버를 바꾸지 않고 AIController 인스턴스의 Timer를 사용합니다. BT에서는 Update Combat Context Service를 제거하고 Blackboard Observer가 Timer 갱신에 반응하게 합니다.

C++ · 파일 경로: Source/TopDownSurvival/AI/MathAIController.cpp

MathAIController.cpp · StartDecisionLoop

void AMathAIController::StartDecisionLoop()
{
    if (!AIConfig)
    {
        return;
    }

    const float Interval = FMath::Max(0.05f, AIConfig->DecisionInterval);
    const float InitialDelay = FMath::FRandRange(0.0f, Interval);
    GetWorldTimerManager().SetTimer(
        DecisionTimerHandle,
        this,
        &AMathAIController::RefreshCombatContext,
        Interval,
        true,
        InitialDelay);
}

Controller Header에 FTimerHandle DecisionTimerHandle을 추가하고 OnPossess에서 DataAsset을 적용한 뒤 StartDecisionLoop를 호출합니다. OnUnPossess와 EndPlay에서 Timer를 해제합니다. InitialDelay를 분산해 여러 적의 첫 Trace가 같은 프레임에 몰리지 않게 합니다.

4-3. C++와 Blueprint·Editor 연결

C++ 책임

• UGameMathLibrary: 방향, 거리, 내적 시야 조건
• AMathAIController: 목표 감지, 상태, Blackboard 갱신
• AMathAIEnemyCharacter: Movement, 보간, 공격과 쿨다운
• UEnemyAIConfigData: 튜닝 값
• BT Task·Service: 작은 행동과 제한된 판단 갱신

Blueprint·Editor 작업

1. BB_EnemyCombat에 TargetActor, HomeLocation, PatrolLocation, HasLineOfSight, DistanceToTarget, LastKnownLocation, LastSeenTime, AIState를 확인합니다.
2. BT_EnemyCombat의 Branch 순서를 Attack → Chase → Patrol로 둡니다.
3. 각 Branch에 AIState 또는 Blackboard Decorator와 Observer Abort를 설정합니다.
4. BP_MathAIController에 BT_EnemyCombat과 DA_AI_Normal을 연결합니다.
5. BP_MathAIEnemy의 AI Controller Class와 Auto Possess AI를 확인합니다.
6. NavMeshBoundsVolume이 순찰·추적 영역과 장애물을 덮는지 P로 확인합니다.
7. Primitive Mesh만 사용해 플레이어, 적, 벽과 순찰 공간을 배치합니다.

4-4. PowerShell 전체 빌드

실행 위치: C:\UnrealProjects\TopDownSurvival

PowerShell

Set-Location C:\UnrealProjects\TopDownSurvival
$ProjectFile = (Resolve-Path .\TopDownSurvival.uproject).Path
$EngineRoot = "C:\Program Files\Epic Games\UE_5.x"
& "$EngineRoot\Engine\Build\BatchFiles\Build.bat" TopDownSurvivalEditor Win64 Development $ProjectFile -WaitMutex

UE_5.x는 설치된 엔진 폴더로 바꿉니다. Editor를 닫은 빌드와 PIE 실행을 모두 확인합니다.

→5. 코드와 수학·AI가 동작하는 이유

벡터 차이는 목표 방향, 거리 제곱은 범위 후보, 내적은 시야각, Line Trace는 차폐를 판정합니다. AIController가 이 결과를 Blackboard와 상태로 바꾸고 Behavior Tree가 행동 우선순위를 선택합니다. Character는 MoveTo가 제어하는 몸과 공격 실행만 담당합니다.

구조	사용 위치	선택 이유
Tick	목표가 있을 때 회전 보간만	매 프레임 필요한 시각 변화
BT Service 또는 Timer	감지·상태 갱신	0.2~0.5초로 충분한 판단
NavMesh·MoveTo	순찰·추적 이동	장애물 경로와 도착 관리
Blackboard	목표·위치·판단 결과	Task와 Decorator의 공통 데이터
DataAsset	거리·속도·쿨다운	재컴파일 없는 튜닝

!6. 자주 하는 실수와 해결법

!자주 하는 실수

• 모든 적이 Tick마다 거리·Trace·MoveTo: Service Interval, 후보 필터와 목표 변경 시 요청을 사용합니다.
• Character에 플레이어 검색과 상태 전환 작성: AIController와 BT로 분리합니다.
• NavMesh 없이 이동 AI 테스트: P 시각화와 Agent 크기를 먼저 확인합니다.
• 시야각만으로 벽을 무시: Line Trace 차폐를 결합합니다.
• 공격 Task 반복으로 중복 피해: Character의 Timer 쿨다운을 유지합니다.
• 멀티플레이 복제를 바로 추가: 서버 권한과 복제는 후속 과정에서 별도로 설계합니다.

✎7. 직접 실습

✎최종 테스트 체크리스트

기능

• 플레이어와 적 위치 차이로 방향과 2D 거리를 계산한다.
• 적은 Home 주변 NavMesh 위치를 순찰한다.
• 추적 거리·시야각·Line Trace가 모두 통과할 때 Chase한다.
• 공격 거리와 시야가 유지될 때만 Attack한다.
• 공격 쿨다운이 중복 피해를 막는다.
• DataAsset 변경이 거리, 속도, 쿨다운과 판단 주기에 반영된다.
• AIController, Blackboard, BT, Character 책임을 README에 설명한다.

경계·실패·부하

• 적이 없는 상황: 플레이어와 게임이 오류 없이 실행된다.
• NavMesh가 없는 상황: Task가 실패하고 진단 로그가 남는다.
• 장애물 뒤 플레이어: Target을 즉시 보지 못하고 마지막 위치 정책을 따른다.
• 공격 거리 경계: Hysteresis와 쿨다운으로 상태·피해가 흔들리지 않는다.
• 적이 많은 상황: 10·30·60개에서 Game Thread와 반응 시간을 기록한다.
• 측정표에 PC 사양, 엔진 버전, 맵과 빌드 구성을 함께 적는다.

?8. 이해 점검 질문 3개

?이해 점검

1. 거리, 내적, Line Trace는 각각 어떤 감지 조건을 담당하나요?
2. AIController와 Enemy Character의 책임을 나누는 기준은 무엇인가요?
3. 적 수가 늘 때 판단을 매 Tick 실행하지 않도록 어떤 주기 구조를 사용했나요?

■9. 핵심 요약

■핵심 요약

최종 적 AI는 벡터 기반 감지, NavMesh 이동, Blackboard 판단 데이터, Behavior Tree 행동 조합과 Character 공격 실행을 책임별로 연결합니다. 판단 주기와 Trace를 제한하고 디버깅·측정 근거를 남겨 확장 가능한 싱글플레이 AI 기반을 완성했습니다.

Unreal AI 심화 확장 3가지: AI Perception과 감각 기억, EQS 기반 엄폐·공격 위치 선택, State Tree·Utility AI와 Behavior Tree 비교.

멀티플레이 AI 확장 3가지: 서버 권한 AIController와 피해 판정, GameState·Actor 상태 복제와 클라이언트 시각 보간, 관심 영역·Net Cull Distance를 고려한 대규모 AI 동기화.