企业官网建设流程全解析

1. 项目概述：为什么要在Unity里折腾Recast/Detour？

如果你做过Unity游戏里的AI，尤其是需要大量单位在地图上移动的那种，比如RTS、MOBA或者开放世界RPG，大概率用过Unity自带的NavMesh。它开箱即用，烘焙一下场景，AI就能自己找路，确实方便。但用久了，尤其是项目规模上去之后，你肯定会遇到一些“天花板”：动态物体阻挡（比如被玩家推倒的箱子、临时搭建的路障）更新不及时，性能开销大；寻路网格（NavMesh）是静态烘焙的，运行时想微调一下地形或者动态生成一块区域，非常麻烦；还有，当几百上千个单位同时寻路时，那个帧数曲线可能就不太美丽了。

这时候，很多资深开发者会把目光投向一个更底层、更强大的解决方案：Recast & Detour。这不是什么新东西，它早就是业界许多3A大作（比如《星际争霸2》、《天际》、《荒野大镖客2》等）背后默默支撑的导航系统核心。简单说，Recast负责从3D场景的三角形网格（就是你的关卡模型）中，生成一个由凸多边形构成的、适合寻路的导航网格（NavMesh）。而Detour则是在这个导航网格上进行寻路查询、路径平滑以及动态障碍管理的库。把它们俩搬进Unity，意味着你拿到的是一套工业级的、可深度定制的寻路引擎。

这个项目的核心目标，就是绕过Unity NavMesh的某些限制，在Unity中亲手搭建一套基于Recast/Detour的导航系统，并且重点攻克“动态阻挡”这个实战中的硬骨头。想象一下，在你的游戏里，玩家可以随时建造一堵墙，或者炸毁一座桥，AI需要几乎实时地反应过来，重新规划路径，而不是傻乎乎地撞空气墙。这就是我们要实现的效果。

2. 核心思路与方案选型：为什么是Recast/Detour，而不是其他？

在动手之前，我们得先理清思路，为什么选它，以及我们打算怎么把它“塞”进Unity。

2.1 Recast/Detour 核心优势解析

首先，对比Unity原生NavMesh，Recast/Detour的优势非常明显：

1. 运行时动态生成与更新：这是最大的卖点。Unity的NavMesh基本是编辑器阶段烘焙好，运行时是只读的（虽然有NavMesh Obstacle组件，但能力有限）。而Recast允许你在游戏运行时，根据当前的场景状态（比如被破坏的地形、动态加载的区域）重新生成或局部更新导航网格。Detour则能高效地处理动态障碍物的添加与移除。
2. 极高的定制性与控制力：你可以控制导航网格生成的每一个参数，比如体素（Voxel）大小、角色半径、爬坡角度、跳跃高度等，生成不同精度、适用于不同体型单位的导航网格。你甚至可以生成多层导航网格，实现真正的多层空间寻路（比如楼上楼下）。
3. 卓越的性能：Detour的寻路算法（A*的变种，在凸多边形网格上运行）和路径平滑算法经过高度优化，特别擅长处理大量并发寻路请求。其数据结构和查询接口为性能而设计，远非一个通用的组件系统可比。
4. 成熟的动态障碍管理：Detour提供了dtObstacleAvoidance和dtCrowd（人群管理）模块，能够高效处理移动的障碍物（其他AI单位、玩家）以及静态但可开关的障碍物，实现自然的避让和群体移动。

2.2 集成方案选择：C++插件 vs. 纯C#移植

要把C++写的Recast/Detour库用到C#为主的Unity里，通常有两条路：

• 方案A：编译为原生插件（Native Plugin）。将Recast/Detour源码编译成动态链接库（Windows上是.dll，macOS是.bundle，Linux是.so），然后在Unity C#脚本中通过[DllImport]调用。这是性能最好的方式，因为核心计算在原生层执行。
• 方案B：寻找或进行C#移植。有人已经将Recast/Detour用纯C#重写了一遍。这样可以直接在Unity中作为托管代码运行，无需处理跨平台编译问题，调试也更方便。

我们的选择与理由：对于追求极致性能和需要用到最新版Recast/Detour特性的项目，方案A（原生插件）是更专业的选择。虽然前期配置稍复杂，但它保证了与原始库完全一致的功能和性能。市面上有一些开源项目（如recastnavigation-dotnet）提供了良好的C#封装层，简化了调用。而纯C#移植版本（方案B）可能存在版本滞后、性能损失或某些边缘特性未实现的风险。因此，本实战将基于原生插件+ C#封装层的方案进行。我们会使用一个成熟的开源封装作为基础，这样既能享受原生性能，又能快速上手。

2.3 系统架构设计预览

在代码层面，我们预期的架构是这样的：

1. 底层：Recast/Detour编译好的原生插件库。
2. 中间层：一个C#封装类库（Wrapper），提供对底层API的安全、友好的C#接口。它负责内存管理、数据转换和错误处理。
3. 应用层：在Unity中编写的游戏逻辑组件。主要包括：
   • RecastNavMeshBuilder：负责调用Recast，从场景Mesh数据生成导航网格数据。
   • DetourNavMesh：加载导航网格数据，提供寻路查询接口（如FindPath）。
   • DynamicObstacleManager：管理动态障碍物，负责将Unity中的GameObject（如一个可移动的箱子）转换为Detour能识别的障碍物，并实时更新。
   • CrowdAgent（可选）：基于Detour Crowd模块的AI移动控制器，提供更智能的群体移动和避障。

3. 环境准备与核心库集成

理论说再多不如动手。我们开始搭建环境。

3.1 获取与编译Recast/Detour

首先，我们需要Recast/Detour的源码和编译好的原生库。

1. 获取源码：从GitHub克隆官方仓库：https://github.com/recastnavigation/recastnavigation。
2. 编译原生库：这是关键一步。你需要根据你的目标平台（Windows, macOS, Android, iOS等）进行编译。
   • Windows (Visual Studio)：打开RecastNavigation/RecastDemo下的.sln工程文件，将编译配置设为Release，然后编译整个解决方案。你需要的核心库文件（.lib或.dll）通常会在RecastNavigation/Bin或RecastNavigation/RecastDemo/Bin目录下生成。我们主要需要Recast.dll、Detour.dll以及对应的头文件（.h）。
   • 使用CMake（跨平台推荐）：在源码根目录，你可以使用CMake生成对应平台的工程文件，再进行编译。这对于macOS、Linux或交叉编译到移动平台更友好。

   注意：编译时请确保选择正确的架构（x86, x64, ARM64），以匹配你的Unity项目设置。Unity 2022+ 默认使用.NET Standard 2.1或.NET Framework，并倾向于64位环境。

3.2 在Unity中集成原生插件

1. 在你的Unity项目Assets文件夹下，创建一个Plugins目录。这是Unity识别原生插件的标准位置。
2. 将编译好的原生库文件（如Recast.dll,Detour.dll）放入Plugins下的对应平台子文件夹中，例如：
   • Assets/Plugins/x86_64/(Windows 64位)
   • Assets/Plugins/Android/libs/arm64-v8a/(Android ARM64)
   • 其他平台类似。Unity在构建时会自动选取对应平台的库。
3. 将Recast/Detour的C语言头文件（.h）复制到项目中的一个方便引用的位置，比如Assets/Scripts/RecastDetour/Include。这些头文件定义了我们需要调用的函数原型。

3.3 引入C#封装层

手动用[DllImport]一个个声明几百个函数是不现实的。幸运的是，有开源社区的努力。我们可以使用一个成熟的C#封装项目，例如recastnavigation-dotnet（GitHub上可以找到）。将它以源码形式或编译好的DLL引入你的Unity项目。

这个封装层通常包含以下几个核心类：

• Recast：对应Recast库的功能，用于生成导航网格。
• Detour：对应Detour库的功能，用于加载导航网格和寻路。
• NavMesh、NavMeshQuery、ObstacleAvoidanceQuery等：对底层数据结构和算法的面向对象封装。

集成后，你的Unity项目结构大致如下：

Assets/ ├── Plugins/ │ ├── x86_64/ │ │ ├── Recast.dll │ │ └── Detour.dll │ └── (其他平台...) └── Scripts/ └── RecastDetour/ ├── Include/ (存放.h头文件) ├── RecastDetour.cs (或封装层的所有C#源码) └── (我们的实现脚本...)

4. 核心实战一：从场景Mesh到导航网格生成

有了工具，我们开始干第一件大事：把游戏场景变成AI能懂的导航网格。

4.1 数据准备：获取输入几何体

Recast需要输入三角形的顶点和索引数组。在Unity中，我们需要从场景中收集所有参与导航的Mesh数据。

// 示例：从一个GameObject及其所有子物体中收集MeshFilter的数据 public class RecastNavMeshBuilder : MonoBehaviour { public List<GameObject> walkableSurfaces; // 在Inspector中指定哪些物体是可行走面 private List<Vector3> allVertices = new List<Vector3>(); private List<int> allTriangles = new List<int>(); void CollectInputGeometry() { allVertices.Clear(); allTriangles.Clear(); int vertexOffset = 0; foreach (var go in walkableSurfaces) { var meshFilters = go.GetComponentsInChildren<MeshFilter>(); foreach (var mf in meshFilters) { if (mf.sharedMesh == null) continue; Mesh mesh = mf.sharedMesh; Vector3[] verts = mesh.vertices; int[] tris = mesh.triangles; // 将本地顶点坐标转换到世界坐标 Transform trans = mf.transform; for (int i = 0; i < verts.Length; i++) { allVertices.Add(trans.TransformPoint(verts[i])); } // 添加三角形索引，注意顶点偏移 for (int i = 0; i < tris.Length; i++) { allTriangles.Add(tris[i] + vertexOffset); } vertexOffset += verts.Length; } } } }

注意：这里收集的是世界坐标下的顶点。Recast处理的是一个轴对齐的边界盒（AABB）内的空间，你需要根据所有顶点计算出一个合适的包围盒作为生成区域。

4.2 参数配置：理解Recast生成过程的关键参数

生成导航网格不是一键完成的魔法，你需要理解并调整一系列参数，它们直接影响生成结果的质量和性能。

• Cell Size (体素/单元格大小)：这是最重要的参数之一。Recast首先将3D空间划分为均匀的体素（三维像素）。Cell Size决定了体素的边长。值越小，生成的导航网格精度越高，但计算量越大，数据量也越大。通常根据角色大小和场景精度来定，比如对于人类大小的角色，0.2到0.5都是常见范围。
• Cell Height (体素高度)：体素在Y轴方向的高度。影响对斜坡和台阶的识别精度。
• Agent Height (代理高度)：你的AI角色有多高。低于此高度的通道会被认为无法通过。
• Agent Radius (代理半径)：你的AI角色有多“胖”。导航网格的边界会向内收缩（收缩掉Agent Radius），以确保角色不会卡进墙里。
• Agent Max Climb (最大攀爬高度)：角色能爬上的最大台阶高度。
• Agent Max Slope (最大爬坡角度)：角色能行走的最大斜坡角度（度）。
• Region Min/Max Size (区域最小/最大尺寸)：在生成多边形区域时的合并和分割参数，影响最终导航网格多边形的尺寸。通常不需要频繁调整，除非你发现生成了很多碎片化的小多边形。

在C#封装中，这些参数通常通过一个配置类（如NavMeshBuildSettings）来设置。

4.3 调用Recast生成并保存

配置好参数，准备好数据，就可以调用封装好的方法了。

void BuildNavMesh() { CollectInputGeometry(); // 1. 创建配置 var buildSettings = new NavMeshBuildSettings(); buildSettings.cellSize = 0.3f; buildSettings.cellHeight = 0.2f; buildSettings.agentHeight = 2.0f; buildSettings.agentRadius = 0.5f; buildSettings.agentMaxClimb = 0.8f; buildSettings.agentMaxSlope = 45.0f; // ... 设置其他参数 // 2. 计算边界盒 Bounds bounds = CalculateBoundsFromVertices(allVertices); // 3. 调用Recast生成NavMesh数据 (byte[]) byte[] navMeshData = RecastAPI.BuildNavMesh( allVertices.ToArray(), allTriangles.ToArray(), bounds, buildSettings ); // 4. 保存数据到文件或直接加载进Detour if (navMeshData != null && navMeshData.Length > 0) { File.WriteAllBytes(Application.dataPath + "/ExportedNavMesh.bytes", navMeshData); Debug.Log("导航网格生成成功！"); // 也可以立即加载：LoadNavMeshIntoDetour(navMeshData); } }

生成成功后，你会得到一个字节数组（byte[]），这就是Detour可以识别的导航网格数据。你可以把它保存成文件，方便下次游戏启动时直接加载，避免每次运行时重新生成（耗时）。

4.4 可视化调试：在Unity编辑器中绘制导航网格

生成的对不对，光看数据不行，得画出来看看。我们需要写一个编辑器工具来可视化导航网格。

#if UNITY_EDITOR [CustomEditor(typeof(RecastNavMeshBuilder))] public class RecastNavMeshBuilderEditor : Editor { public override void OnInspectorGUI() { base.OnInspectorGUI(); RecastNavMeshBuilder builder = (RecastNavMeshBuilder)target; if (GUILayout.Button("Build & Visualize")) { builder.BuildNavMesh(); builder.LoadAndVisualize(); // 这个方法会加载数据并触发绘制 } } } #endif // 在RecastNavMeshBuilder类中添加 void OnDrawGizmos() { if (!showNavMeshGizmo || navMesh == null) return; // 假设我们从DetourNavMesh对象中获取了多边形数据 var polygons = detourNavMesh.GetPolygons(); // 这是一个假设的方法，实际需要从封装层获取 Gizmos.color = new Color(0, 1, 0, 0.5f); // 半透明绿色 foreach (var poly in polygons) { // 绘制多边形（通常是凸多边形，由顶点列表构成） for (int i = 0; i < poly.Vertices.Count; i++) { Vector3 start = poly.Vertices[i]; Vector3 end = poly.Vertices[(i + 1) % poly.Vertices.Count]; Gizmos.DrawLine(start, end); } } }

通过Gizmos将导航网格的多边形边绘制在Scene视图中，你可以清晰地看到AI实际可以行走的区域，检查是否有空洞、错误连接或者不合理的边界。

5. 核心实战二：基础寻路与路径平滑

导航网格有了，接下来让AI在上面找到从A到B的路。

5.1 加载导航网格数据到Detour

生成的byte[]数据需要被加载到Detour的dtNavMesh对象中，这是所有寻路查询的基础。

public class DetourNavMesh : MonoBehaviour { private dtNavMesh navMesh; private dtNavMeshQuery navMeshQuery; public bool LoadNavMesh(byte[] data) { // 使用C#封装层提供的方法加载 navMesh = DetourAPI.CreateNavMeshFromData(data); if (navMesh == null) { Debug.LogError("Failed to load NavMesh data."); return false; } // 创建NavMesh查询对象 navMeshQuery = new dtNavMeshQuery(navMesh); return true; } }

5.2 寻路查询（A* on NavMesh）

在Detour中，寻路不是在网格（Grid）上进行，而是在导航网格的多边形（Polygon）上进行。基本步骤是：

1. 位置映射（FindNearestPoly）：将起点和终点的世界坐标（Vector3），映射到导航网格上最近的多边形ID（ref）。因为你的点可能稍微偏离导航网格表面（比如角色悬空一点），这个步骤会找到最近的有效多边形。
2. 路径查找（FindPath）：输入起点多边形ID、终点多边形ID，以及起点终点坐标，使用A*算法计算出一条多边形路径（一个多边形ID的列表）。
3. 路径优化（Raycast + String Pulling）：直接得到的多边形路径是“之”字形的。我们需要通过射线检测（Raycast）和拉直（String Pulling）算法，找到一条更平滑、更贴近可通行区域中心的实际行走路径点（Vector3列表）。

public List<Vector3> FindPath(Vector3 startPos, Vector3 endPos) { if (navMeshQuery == null) return null; // 1. 映射起点终点到多边形 long startRef = 0, endRef = 0; Vector3 nearestStart = startPos, nearestEnd = endPos; if (!DetourAPI.FindNearestPoly(navMeshQuery, startPos, out startRef, ref nearestStart) || !DetourAPI.FindNearestPoly(navMeshQuery, endPos, out endRef, ref nearestEnd)) { Debug.LogWarning("Start or End position is not on NavMesh."); return null; } // 2. 查找多边形路径 List<long> pathPolyRefs = new List<long>(); if (!DetourAPI.FindPath(navMeshQuery, startRef, endRef, nearestStart, nearestEnd, pathPolyRefs)) { Debug.Log("No path found."); return null; } // 3. 将多边形路径转换为平滑的顶点路径 List<Vector3> smoothPath = new List<Vector3>(); if (pathPolyRefs.Count > 0) { DetourAPI.FindStraightPath(navMeshQuery, nearestStart, nearestEnd, pathPolyRefs, smoothPath); } return smoothPath; // 这就是AI可以跟随的路径点列表 }

5.3 路径跟随与移动控制

拿到List<Vector3>路径后，你需要一个简单的移动控制器来让AI沿着路径点移动。这通常包括：

1. 设置当前目标点（路径中的下一个点）。
2. 计算朝向目标点的方向。
3. 应用速度移动角色。
4. 当接近当前目标点时，切换到下一个点。
5. 当到达最后一个点时，寻路结束。

public class SimplePathFollower : MonoBehaviour { public DetourNavMesh detourNavMesh; public float speed = 5.0f; public float stoppingDistance = 0.3f; private List<Vector3> currentPath; private int currentPathIndex; void Update() { if (currentPath == null || currentPathIndex >= currentPath.Count) return; Vector3 targetPoint = currentPath[currentPathIndex]; Vector3 direction = (targetPoint - transform.position).normalized; direction.y = 0; // 保持水平移动，假设是地面行走 transform.position += direction * speed * Time.deltaTime; // 检查是否到达当前路径点 if (Vector3.Distance(transform.position, targetPoint) < stoppingDistance) { currentPathIndex++; if (currentPathIndex >= currentPath.Count) { Debug.Log("Path completed."); currentPath = null; } } } public void SetDestination(Vector3 destination) { currentPath = detourNavMesh.FindPath(transform.position, destination); currentPathIndex = 0; } }

6. 核心实战三：动态阻挡的实现与优化

静态寻路只是基础，动态阻挡才是体现Recast/Detour价值的战场。动态阻挡的核心思想是：在运行时，向Detour的导航网格中添加或移除一些临时的、可移动的障碍区域，让寻路算法能立即感知并避开。

6.1 Detour动态障碍物类型

Detour主要支持两种动态障碍物：

1. 圆形障碍物（Circle Obstacle）：通常用来表示一个柱状物体，比如一棵树、一个路灯。你提供圆心和半径。
2. 轴对齐包围盒障碍物（AABB Obstacle）：一个方形的障碍物，你提供最小点和最大点。

这些障碍物不是真的修改底层导航网格（那很耗时），而是在寻路查询时，动态地影响路径的可行性计算。

6.2 实现动态障碍物管理器

我们需要一个管理器来统一处理游戏中动态障碍物的添加、更新和移除。

public class DynamicObstacleManager : MonoBehaviour { private dtNavMesh navMesh; private dtObstacleAvoidance avoidance; // 避障查询对象 private Dictionary<GameObject, long> obstacleIdMap = new Dictionary<GameObject, long>(); // 记录障碍物ID public void Initialize(dtNavMesh mesh) { navMesh = mesh; avoidance = new dtObstacleAvoidance(navMesh); } // 添加一个圆柱形障碍物（例如一个角色或柱子） public bool AddCylinderObstacle(GameObject obstacleGO, float radius, float height) { Vector3 pos = obstacleGO.transform.position; // 调用封装层，在Detour中添加一个圆形障碍物 // 注意：Detour的障碍物是2D的（XZ平面），高度信息用于与Agent高度比较 long obstacleId = DetourAPI.AddCircleObstacle(navMesh, pos, radius); if (obstacleId != 0) { obstacleIdMap[obstacleGO] = obstacleId; return true; } return false; } // 添加一个盒子障碍物（例如一个箱子、一堵墙） public bool AddBoxObstacle(GameObject obstacleGO, Vector3 halfExtents) { Bounds bounds = new Bounds(obstacleGO.transform.position, halfExtents * 2); long obstacleId = DetourAPI.AddBoxObstacle(navMesh, bounds.min, bounds.max); if (obstacleId != 0) { obstacleIdMap[obstacleGO] = obstacleId; return true; } return false; } // 移除障碍物 public void RemoveObstacle(GameObject obstacleGO) { if (obstacleIdMap.TryGetValue(obstacleGO, out long id)) { DetourAPI.RemoveObstacle(navMesh, id); obstacleIdMap.Remove(obstacleGO); } } // 每帧更新移动障碍物的位置 void Update() { foreach (var kvp in obstacleIdMap) { GameObject go = kvp.Key; long id = kvp.Value; if (go == null) continue; // 如果物体移动了，需要更新障碍物位置（先移除旧位置，再在新位置添加） // 注意：频繁添加/移除有开销，对于连续移动的物体（如其他AI），有更优方案（见下文） Vector3 currentPos = go.transform.position; // 这里简化处理：对于移动物体，更好的方式是使用Crowd模块或每帧更新 // DetourAPI.UpdateObstaclePosition(navMesh, id, currentPos); // 假设有更新位置的API } } }

重要提示：上面的Update方法中的简化处理在实际项目中性能很差。对于大量移动的障碍物（比如其他AI单位），不应该每帧删除再添加。Detour的dtCrowd（人群）模块是专门为此设计的，它内部高效地管理所有移动Agent作为彼此的动态障碍。对于非Agent的移动障碍物，也需要寻找批量更新或更高效的API。

6.3 集成到寻路查询中

仅仅添加了障碍物还不够，需要在寻路时让算法“看见”它们。这通常通过dtNavMeshQuery的findPath或moveAlongSurface等函数中传入障碍物避让参数来实现。或者，更常见的做法是使用dtCrowd模块，它集成了动态避障。

// 使用dtCrowd进行带避障的移动控制（高级用法） public class CrowdAgentController : MonoBehaviour { private dtCrowdAgentParams agentParams; private int agentId = -1; public void InitAndAddToCrowd(dtCrowd crowd, Vector3 position) { agentParams = new dtCrowdAgentParams(); agentParams.radius = 0.5f; agentParams.height = 2.0f; agentParams.maxAcceleration = 8.0f; agentParams.maxSpeed = 3.5f; // ... 设置其他碰撞、避障参数 agentId = crowd.AddAgent(position, agentParams); } public void SetMoveTarget(dtCrowd crowd, Vector3 target) { if (agentId != -1) { crowd.RequestMoveTarget(agentId, target); } } void Update() { if (agentId != -1) { // crowd.Update(deltaTime); // 通常由主Crowd管理器统一更新 // 获取Agent最新位置并同步到GameObject // dtCrowdAgent agentState = crowd.GetAgent(agentId); // transform.position = agentState.position; } } }

使用dtCrowd，你只需要设置Agent的移动目标，它就会自动处理路径寻找、动态避障（避开其他Crowd Agent和静态/动态障碍物）、以及移动平滑。这是处理大量单位寻路和避让的推荐方式。

7. 性能优化与常见问题排查

将一套C++引擎集成到Unity，性能是关键。以下是一些实战中的优化点和常见坑。

7.1 性能优化要点

1. 异步生成与加载：导航网格生成（特别是大场景）是CPU密集型操作，一定要放在异步线程中（如Task.Run或ThreadPool），避免卡住主线程。加载保存的NavMesh数据文件也比重新生成快得多。
2. 分层导航网格（Layers）：如果场景有多个高度层（如多层建筑），不要用一个巨大的导航网格覆盖所有层。可以按层生成多个独立的导航网格，或者使用Recast的RecastLayer（如果封装支持）来生成单网格多层数据。寻路时只在当前层或相邻层间搜索，大幅减少搜索空间。
3. 合理设置寻路频率：AI不需要每帧都寻路。为每个AI设置一个合理的寻路更新间隔（如0.5秒或1秒），使用协程或自定义更新管理器来控制。
4. 使用Detour Crowd管理大量单位：对于超过10个的移动单位，务必使用dtCrowd。它内部使用空间分区和优化算法来处理群体移动和避障，效率远高于自己管理几百个独立的寻路查询。
5. 动态障碍物数量控制：动态障碍物会增加寻路查询的计算量。只将真正需要避开的、长期存在的物体添加为动态障碍。对于短暂出现或无关紧要的物体，可以考虑忽略，或者使用更简单的物理碰撞盒来处理局部避让。
6. 导航网格数据压缩：Detour生成的导航网格数据可以压缩。如果内存紧张，可以考虑在保存时进行压缩（如LZ4），加载时解压。

7.2 常见问题与解决方案速查表

8. 进阶扩展与项目集成建议

基础功能跑通后，可以考虑以下方向来提升系统的完整性和专业性。

8.1 导航网格分块加载（Streaming）

对于开放大世界，不可能一次性加载整个世界的导航网格。Detour支持基于瓦片（Tile）的导航网格。你可以将大世界划分为网格，只加载玩家周围区域的导航网格瓦片，随着玩家移动动态加载和卸载。这需要你：

1. 在生成导航网格时，就按瓦片划分来生成。
2. 在运行时，管理一个dtNavMesh对象，动态调用addTile和removeTile来更新当前有效的导航区域。

8.2 多智能体协同与局部避障

dtCrowd模块已经提供了很好的基础。你可以进一步：

• 调整避障参数：dtCrowdAgentParams中有collisionQueryRange,pathOptimizationRange,obstacleAvoidanceType等参数，微调它们可以改变Agent的避让积极程度、路径重规划频率等，模拟出不同“性格”的AI（如莽撞的、谨慎的）。
• 实现编队移动：在群体移动的基础上，为多个Agent分配相对位置（如楔形、方形阵型），并以队长或虚拟目标点为基准进行移动。
• 集成RVO（ Reciprocal Velocity Obstacles）：对于极度密集且需要高度自然避让的场景（如人群模拟），可以考虑在Detour避障之上，集成更高级的RVO算法库，它能产生更平滑、无震荡的避让轨迹。

8.3 与Unity现有系统的衔接

• 与Animator同步：将CrowdAgent计算出的速度、转向等信息，传递给Unity的Animator，驱动角色的行走、奔跑、转向动画，实现移动与动画的完美同步。
• 与行为树/状态机集成：你的AI逻辑层（如行为树节点、状态机状态）应该调用DetourNavMesh或CrowdAgentController提供的简单接口（如SetDestination,Stop），而不是直接操作底层API。这保持了良好的架构分层。
• 编辑器扩展：创建自定义的Inspector面板，方便关卡设计师可视化地调整Recast生成参数、预览导航网格、放置和配置动态障碍物触发器，大幅提升工作流效率。

将Recast/Detour集成到Unity项目确实比使用内置NavMesh需要更多的前期工作，但带来的灵活性、性能和功能上限是巨大的。一旦这套系统搭建完成，你会发现你对游戏中AI导航的控制达到了一个新的粒度，能够应对各种复杂和动态的游戏场景需求。