📘TIL - 언리얼 AI 술래잡기 시스템 구현 및 AI 감지 구조 확장

구현 배경

이전에는 술래/도망자 상태를 기준으로 게임 흐름과 AI 구조를 설계하는 단계였다면,
오늘은 실제 언리얼 C++ 코드와 BehaviorTree를 연결해서
AI가 실제로 추적하고 도망가는 흐름을 구현하는 작업을 진행했다.

---

BTTask 구현

오늘은 BehaviorTree에서 사용할 Task들을 실제 C++ 클래스로 구현했다.

BTTask_FindNearestRunner
BTTask_CalculateEscapeLocation
BTTask_TryCatchTarget

---

FindNearestRunner 구현

술래 AI가 가장 가까운 도망자를 탐색하는 로직이다.

현재 Pawn 가져오기
→ IsTagger 확인
→ 등록된 캐릭터 순회
→ 술래가 아닌 대상만 필터링
→ 거리 계산
→ 가장 가까운 대상 선택
→ Blackboard TargetActor 저장

거리 계산은 FVector::DistSquared 기반으로 처리해서
불필요한 sqrt 연산을 줄였다.

const float DistSq = FVector::DistSquared(
    SelfLocation,
    CandidateLocation
);

Blackboard 저장은 아래 방식으로 연결했다.

Blackboard->SetValueAsObject(
    TEXT("TargetActor"),
    BestTarget
);

---

CalculateEscapeLocation 구현

도망자 AI는 술래 반대 방향으로 이동하도록 구현했다.

현재 술래 위치 가져오기
→ 내 위치와 방향 계산
→ Normalize
→ 일정 거리만큼 이동 위치 계산
→ NavMesh 기준 위치 보정
→ EscapeLocation 저장

핵심은 단순 방향 계산만 하지 않고
ProjectPointToNavigation()으로 실제 이동 가능한 위치를 찾는 부분이었다.

NavSys->ProjectPointToNavigation(
    RawEscapeLocation,
    ProjectedLocation
);

이 처리를 하지 않으면 벽이나 장애물 쪽으로 이동 위치가 잡히는 경우가 많았다.

---

BTService 기반 잡기 처리

처음에는 MoveTo 완료 후 잡기 판정을 시도했는데,
반응이 느려서 구조를 수정했다.

BTService_TryCatchTarget
→ 일정 주기 Tick
→ TryCatchTarget() 호출
→ CatchRange 안이면 즉시 잡기

서비스 Tick 간격은 아래처럼 짧게 설정했다.

Interval = 0.15f;
RandomDeviation = 0.05f;

이 방식으로 변경하니까
추격 도중에도 계속 잡기 판정을 시도해서
AI 반응이 훨씬 자연스러워졌다.

---

AI Perception 적용

오늘 구현에서 가장 큰 부분은
AI 감지 구조를 실제로 붙인 부분이었다.

UAIPerceptionComponent
UAISenseConfig_Sight
UAISenseConfig_Hearing

AIController에서 PerceptionComponent를 생성하고,
시야와 청각 감지를 각각 설정했다.

PerceptionComp->ConfigureSense(*SightConfig);
PerceptionComp->ConfigureSense(*HearingConfig);

---

시야 감지 구현

술래 AI는 시야 안에 도망자가 들어오면
TargetActor를 Blackboard에 저장하도록 했다.

도망자 감지
→ WasSuccessfullySensed 확인
→ Blackboard TargetActor 저장
→ LastKnownRunnerLocation 저장

BB->SetValueAsObject(
    TEXT("TargetActor"),
    Actor
);

시야를 잃으면 TargetActor는 제거하고,
마지막 위치만 유지하도록 처리했다.

BB->ClearValue(TEXT("TargetActor"));

---

발소리 감지 구현

도망자는 이동 중 일정 속도 이상이면
Footstep Noise를 발생시키도록 구현했다.

속도 체크
→ Noise Timer 증가
→ 일정 주기마다 Noise 발생
→ Hearing 감지
→ LastHeardLocation 저장

Noise 발생은 아래 함수로 처리했다.

UAISense_Hearing::ReportNoiseEvent(
    GetWorld(),
    GetActorLocation(),
    FootstepNoiseLoudness,
    this
);

이 구조 덕분에
구조물 뒤에 숨어 있어도 뛰어다니면
술래 AI가 위치를 추적할 수 있게 됐다.

---

은폐 구조물 처리

구조물 뒤에 숨을 수 있는 구조도 같이 적용했다.

중요했던 부분은 Collision 설정이었다.

Visibility = Block

이 설정이 되어 있어야
AI Sight LineTrace가 구조물에 막히면서
도망자가 시야에서 사라졌다.

별도 복잡한 코드 없이도
언리얼 기본 Perception 구조만으로 꽤 자연스럽게 동작했다.

---

Blackboard 확장

기존 Blackboard에 아래 Key들을 추가했다.

IsTagger
TargetActor
EscapeLocation
LastKnownRunnerLocation
LastHeardLocation

특히 LastKnownRunnerLocation과
LastHeardLocation이 들어가면서
AI가 단순 현재 위치만 따라가는 구조에서 벗어나기 시작했다.

---

BehaviorTree 구조 수정

최종적으로는 아래 흐름으로 정리했다.

술래
→ TargetActor 있으면 추격
→ 추격 중 계속 잡기 시도
→ 안 보이면 마지막 위치 수색

도망자
→ 술래 반대 방향 계산
→ NavMesh 위치 이동

MoveTo만 사용하는 단순 AI보다
훨씬 자연스럽게 동작하는 느낌이 났다.

---

오늘의 정리

• 오늘은 단순 BehaviorTree 설계 수준에서 벗어나,
  Perception과 Blackboard를 실제 연결해서 감지 기반 AI 흐름을 구현했다.
• 특히 시야, 발소리, 마지막 감지 위치 같은 요소들이 들어가면서
  AI 움직임이 단순 좌표 이동보다 훨씬 자연스럽게 보이기 시작했다.