Chapter 77: Animation Blending and State Machines

本章讨论一个实时角色在一帧内如何从多个动画片段得到最终姿态。读者读完后应能追踪一条完整路径：输入参数进入动画状态机，状态机选择正在播放的 clip，混合系统把多个 pose 合成为局部骨骼姿态，root motion 写回角色控制器，最终姿态交给后续 skinning 或物理修正阶段。

贯穿本章的材料是一名第三人称角色的单帧更新。角色前一帧处在 RunForward，本帧玩家把左摇杆推向右前方，同时右手正在持枪瞄准，上半身收到一次轻微受击反应。动画系统在这一帧需要完成五件事：从跑步转入转向跑步，在 locomotion 中按速度和方向混合，在上半身叠加瞄准 offset，在肩胸区域加入受击 additive pose，并输出可用于移动角色胶囊体的 root motion。

这条路径的难点在于对象层级不同。状态机处理离散意图，例如 idle、walk、run、jump；blend tree 处理连续参数，例如速度和转向角；pose blending 处理骨骼局部变换；mask 控制骨骼子树的影响范围；cache、job 和 LOD 控制一帧中能承受的计算量。把这些对象混在一起会导致两个常见症状：视觉上角色动作发飘，工程上动画成本随角色数量快速上升。

本章的结论是：动画混合系统的核心判断顺序应从“状态是否合法”开始，再看“pose 来源是否齐全”，接着检查“权重是否归一化和受 mask 约束”，最后复查“root motion 与角色控制器是否只由一条主路径写入”。状态机解决动作选择，blend tree 解决连续参数插值，pose blending 解决骨骼姿态合成，性能优化解决每帧可承受的采样、解码和写入成本。

77.1 动画混合原理

动画混合的对象是 pose。Pose 在本章中指同一套 skeleton 上每个 joint 的局部变换集合，通常包含 translation、rotation 和 scale，其中 rotation 常用 quaternion 表示。混合系统的输入是多个 pose、对应权重、可选骨骼 mask、可选 additive pose 和 root motion 采样结果；输出是一份当前帧可继续传给全局矩阵更新的局部 pose buffer。

在贯穿案例中，基础 pose 来自 locomotion blend tree。角色速度接近跑步区间，方向从正前方偏向右侧，所以系统会同时采样 RunForward、RunRight 以及可能的 RunForwardRight。这些 clip 采样出的局部 pose 进入同一个 pose buffer 混合阶段。若三个权重分别是 0.35、0.45、0.20，归一化后的总权重为 1.0，最终每个 joint 都按同一套权重组合。translation 通常线性插值，rotation 使用球面线性插值或归一化线性插值，scale 依项目约束决定是否参与混合。

普通 pose blending 适合处理同一语义空间内的动作，例如多方向跑步。Additive pose 用于表达“相对改变量”。瞄准 offset 和轻微受击反应通常更适合做 additive，因为它们表达的是在基础 locomotion 之上增加脊柱旋转、肩膀抬起、头部微调或胸口后仰。Additive pose 的计算前提是有一份 reference pose，例如 bind pose、idle pose 或 clip 第一帧。运行时先把当前 additive clip 采样结果转换成相对 reference 的 delta，再按权重叠加到基础 pose。

Mask 控制一段混合影响哪些 joint。上半身瞄准通常给 spine、chest、neck、head、clavicle、upper arm 更高权重，pelvis 和 leg 保持 locomotion 主导。Mask 的输入可以是骨骼路径、joint index 区间或预计算权重表；输出是每个 joint 的影响权重。由于骨骼层级会传递 transform，mask 边界通常放在 spine 起点或肩带附近，边界 joint 需要平滑权重，否则角色腰部会出现硬折线。

Root motion 是从动画 clip 根节点提取出来的位移和旋转。它和普通骨骼 pose 的区别在于输出目标不同：普通 pose 进入 skinning，root motion 进入角色控制器、碰撞胶囊体或 navigation 组件。在本章案例中，基础 locomotion 负责 root motion，瞄准 offset 和受击反应只影响上半身姿态。这样可以让角色移动方向由 locomotion 和控制器共同决定，受击动画只改变视觉姿态。

下面的最小伪代码展示一帧内 pose 混合的关键数据路径。代码只覆盖解释用路径，省略内存池、SIMD、压缩解码和多线程调度。

struct JointTransform {
    Vec3 translation;
    Quat rotation;
    Vec3 scale;
};

using Pose = std::vector<JointTransform>;

void BlendBasePose(
    Pose& output,
    const std::vector<Pose>& sampledPoses,
    const std::vector<float>& normalizedWeights
) {
    for (int joint = 0; joint < output.size(); ++joint) {
        JointTransform result = sampledPoses[0][joint];
        float accumulated = normalizedWeights[0];

        result.translation *= normalizedWeights[0];
        result.scale *= normalizedWeights[0];

        for (int source = 1; source < sampledPoses.size(); ++source) {
            float weight = normalizedWeights[source];
            result.translation += sampledPoses[source][joint].translation * weight;
            result.rotation = Nlerp(result.rotation, sampledPoses[source][joint].rotation, weight / (accumulated + weight));
            result.scale += sampledPoses[source][joint].scale * weight;
            accumulated += weight;
        }

        output[joint] = Normalize(result);
    }
}

这段代码证明的点很窄：动画混合先作用在同一 skeleton 的局部 joint transform 上，再输出一份完整 pose。真实引擎会把权重归一化、mask、additive、root motion 和 compression decode 拆成更细的 job，但最终仍要保证每个 joint 在本帧只有一个确定的最终局部 transform。

一帧内的数据路径可以压缩成下面的关系图。图中的输出 pose 还没有变成 skinning 矩阵；它只是后续全局矩阵更新的输入。

图中最需要固定的边界是 root motion 与 final local pose 的分流。Root motion 影响角色整体移动，final local pose 影响 mesh 形变。若受击 additive 同时改写 root motion，角色可能在视觉上后仰，同时碰撞体也发生额外位移，网络同步和碰撞反馈都会变得难以复盘。

77.2 动画状态机基本架构

动画状态机负责把连续输入和游戏事件整理成有限数量的动作状态。State 表示当前动作语义，例如 Idle、Move、JumpStart、InAir、Land、HitReact；transition 表示状态之间的可切换关系；condition 表示切换所需条件；blend time 表示从源状态过渡到目标状态的混合时长；entry action 和 exit action 用于触发一次性逻辑；event 用于接收脚步、攻击窗口、落地等时间点信号。

贯穿案例的 locomotion 通常不把每个方向跑步做成单独 state。更稳定的结构是使用一个 Move state 承载 locomotion blend tree，让速度、方向和转向参数在 state 内连续变化。这样状态机只处理 idle 与移动之间的离散切换，blend tree 处理移动内部的连续空间。若把 RunForward、RunRight、RunBackward 都做成状态，状态数量会随方向、速度、武器姿态和地面坡度组合膨胀，transition 也会失去可维护性。

状态机在一帧内的更新顺序通常是：读取参数快照，更新当前 state 时间，检查可用 transition，选择优先级最高且条件满足的 transition，开始或推进过渡混合，触发 entry/exit action，输出 active state 列表和权重。参数快照可以包括速度、是否在地面、是否瞄准、是否受击、当前武器、上一帧落地时间等。为了让复盘稳定，状态机应使用同一帧的参数快照完成判断，减少中途被 gameplay 逻辑多次改写。

下面的状态图只展示角色移动相关的离散层。瞄准和受击在本章案例中作为上层混合或 additive 处理，未放进 locomotion 主状态机。

这张图的判断边界是“离散状态只承载动作阶段”。Move 内部的跑、走、转向由 blend tree 负责；JumpStart、InAir、Land 承担跳跃生命周期。这样做的收益是 transition 数量跟动作阶段相关，和 clip 数量解耦。

Condition 需要可解释。speed > enterMove 和 speed < exitMove 应使用不同阈值，这个做法称为滞回区间。滞回区间能减少速度在阈值附近抖动时反复进入和退出状态。对于跳跃、攻击、受击这类事件型切换，condition 应记录事件发生时间和是否已消费。若一个受击事件在同一帧被多个 layer 消费，系统需要明确主状态机、上半身 layer、特效系统各自读取的是事件快照，还是事件队列中的同一个条目。

Blend time 决定 transition 的视觉过渡长度。Idle 到 Move 可以使用较短 blend time，让角色快速响应输入；JumpStart 到 InAir 常由动画事件或垂直速度驱动，过长的过渡会让离地帧和碰撞体运动不一致；Land 到 Move 需要参考落地冲击、速度和下一步 locomotion。Blend time 的调试证据通常来自动画预览、逐帧截图和脚部接触点。若脚部在过渡中滑动，先检查源状态和目标状态的相位，再检查 root motion 是否在 transition 中重复累计。

Entry action 和 exit action 应承担一次性状态边界逻辑。例如进入 Land 时触发落地音效事件，退出 JumpStart 时清理 jump request。它们不应承载持续 pose 计算。持续 pose 计算应留在 state 内的 node graph 或 blend tree 中，因为它每帧都需要按权重输出 pose。

77.3 实现 Blend Trees 与流畅过渡

Blend tree 用于把连续参数映射成多个 clip 的采样权重。它解决的问题是：角色速度、方向、转向角、坡度等输入连续变化，clip 资源却是离散录制出来的。Blend tree 的输入是一个或多个参数，输出是 clip 列表和权重，随后这些 clip 进入统一的采样与 pose blending 路径。

1D blend tree 适合单参数变化，例如速度从 idle、walk 到 run。系统把每个 clip 放在参数轴上的一个位置，本帧速度落在两个相邻 clip 之间时，按距离计算权重。若速度为 3.0，Walk 位于 1.5，Run 位于 5.0，则权重由速度在区间内的位置决定。这个机制要求 clip 的运动语义单调：速度越大，步频、步幅或 root motion 也要对应提高。若 Walk 和 Run 的 root motion 尺度混乱，混合后的移动速度会和控制器速度脱节。

2D blend tree 适合速度与方向共同变化。常见做法是把 clip 放在二维平面上，例如 (forwardSpeed, rightSpeed) 或 (speed, turnAngle)。本章案例中，角色右前跑动可以由 RunForward、RunRight 和 RunForwardRight 共同贡献。权重计算可以来自三角剖分、径向基函数或项目自定义采样。工程上应优先检查权重分布是否平滑，再检查 clip 相位是否一致。权重平滑解决参数空间连续性，相位一致解决脚步和躯干节奏连续性。

Turning blend 是 locomotion 中最容易暴露问题的区域。角色从正前跑向右前跑时，骨盆朝向、脚步方向、上半身朝向和相机方向可能属于不同系统。动画层可以提供 turn-in-place、strafe、lean 或 torso twist；角色控制器负责胶囊体朝向；相机系统负责观察方向。若这些对象在同一帧使用不同参数源，最终画面会出现上半身跟随相机、腿部跟随移动向量、root motion 又沿 clip 方向推进的分裂感。

流畅过渡依赖 transition preview。Preview 的目标是让开发者在时间轴上观察源 pose、目标 pose、blend curve、root motion 曲线和脚部接触事件。对本章案例，应观察 RunForward 到右前跑动时，左右脚 contact 是否在过渡区发生相位冲突；瞄准 offset 是否在 spine 上稳定叠加；受击 additive 是否在短时间内衰减。Preview 结果可以转成工程检查项：权重曲线是否连续、clip 采样时间是否按相位对齐、mask 边界是否平滑、root motion 是否只由 locomotion 主层输出。

下面的简化配置展示 2D locomotion tree 的数据形态。它是一份跨引擎解释用数据，只用于说明参数、clip 位置和权重计算之间的关系。

{
  "tree": "Locomotion2D",
  "parameters": ["forwardSpeed", "rightSpeed"],
  "clips": [
    { "name": "RunForward", "position": [5.0, 0.0] },
    { "name": "RunRight", "position": [0.0, 5.0] },
    { "name": "RunForwardRight", "position": [3.5, 3.5] },
    { "name": "WalkForward", "position": [1.5, 0.0] }
  ],
  "rootMotionSource": "LocomotionBaseLayer"
}

这份配置回答三个问题。第一，参数空间定义在动画系统内部，单位需要和角色控制器约定。第二，clip 的 position 决定权重分布，资源摆放错误会直接变成混合错误。第三，root motion 来源写在基础层，方便调试时确认上层 additive 没有参与角色整体位移。

Blend tree 和状态机的职责边界可以用一句话判断：状态机选择“角色处在哪个动作阶段”，blend tree 选择“当前动作阶段内部使用哪些 clip 和权重”。在贯穿案例中，Move state 内的 2D tree 负责右前跑动；上半身瞄准由另一个 layer 或 additive node 处理；受击反应由短时 additive node 处理。状态机、blend tree、additive layer 共同输出 pose，但每一层解决的问题不同。

77.4 性能优化：动画计算的并行与缓存

动画性能优化的对象是每帧 pose 计算链。它包括 clip 采样、压缩数据解码、pose buffer 写入、pose blending、mask 应用、additive 叠加、局部到全局矩阵更新，以及把矩阵交给后续 skinning 的准备工作。瓶颈可能来自 CPU 解码、内存带宽、job 同步、cache miss、过多角色、过多骨骼或过多 layer。

Clip sampling cache 用于复用同一 clip 在相近时间点的采样结果。对同一个角色，cache 可以保存上一帧的采样索引、关键帧区间和插值因子；对多个角色，cache 可以复用压缩轨道的解码结果或预取块。它回答的问题是“当前帧是否重复读取和解码同一段动画数据”。若 100 个士兵都播放同一个跑步 clip，但相位不同，cache 仍可以在轨道数据访问、关键帧查找和压缩块读取上减少开销。

Job system 适合把角色动画拆成独立任务。一个角色的 clip sampling、pose blending、local-to-global 更新可以串联；多个角色之间通常可以并行。调度时需要控制任务粒度：每个 joint 一个 job 会制造过多调度成本，每个角色一个 job 可能在高骨骼数量角色上造成长尾。常见做法是按角色、layer 或骨骼块划分任务，并在 skinning 前建立明确同步点。

Pose buffer reuse 解决内存分配和带宽问题。动画图中多个 node 会产生中间 pose，若每个 node 每帧分配一份完整 pose buffer，角色数量上来后会造成大量内存写入。更稳定的做法是使用固定容量的 pose arena、双缓冲或临时 buffer 池，把 node 输出生命周期限制在当前图求值范围内。复用时要保证引用关系清晰：一个 buffer 被下游读完后才能重新写入。

LOD 在动画系统中不等同于 mesh LOD。Animation LOD 可以降低远处角色的更新频率、减少上半身 layer、关闭面部动画、降低 additive 数量、减少 IK 或缩短骨骼链。对于本章案例，近处主角需要 locomotion、aim offset、hit reaction 和 facial animation；远处 NPC 可以保留 locomotion 主层，降低上半身细节，面部动画直接使用静态表情或低频采样。判断依据应是屏幕占比、相机距离、角色优先级、可见性和当前 CPU/GPU 动画预算。

Compression decode 是动画性能中常见的隐藏成本。动画 clip 通常会压缩 rotation、translation 和 scale 轨道，运行时需要解码到浮点 transform。压缩率越高，内存读取越少，但解码计算可能增加；压缩率越低，解码更轻，但带宽和缓存压力上升。优化时应先用采样计时、角色数量、轨道数量和 cache 命中情况定位瓶颈，再决定调整压缩格式、关键帧密度或采样频率。

下面的伪代码展示一种按角色并行的动画求值结构。它强调任务边界和同步点，不绑定具体线程库。

void ScheduleAnimationFrame(std::span<Character*> visibleCharacters) {
    JobHandle animationJobs = ParallelFor(visibleCharacters, [](Character* character) {
        AnimationParams params = character->ReadAnimationParamsSnapshot();
        ActiveStates states = character->stateMachine.Evaluate(params);
        Pose localPose = character->poseArena.AcquireLocalPose();

        character->animationGraph.SampleAndBlend(states, params, localPose);
        character->ExtractRootMotion(params.deltaTime);
        character->BuildGlobalPose(localPose);
    });

    animationJobs.Wait();
    SubmitSkinningForVisibleCharacters(visibleCharacters);
}

这段代码的工程含义是：状态机、采样、混合和全局矩阵更新可以作为 skinning 前的 CPU 任务；后续 GPU skinning 或 CPU skinning 必须看到稳定的全局矩阵。若动画任务尚未结束就提交 skinning，画面会读取上一帧或半写入矩阵，症状可能是局部骨骼抖动、角色瞬间拉伸或一帧错位。

动画性能排查可以按固定顺序执行。先统计每帧可见角色数、每个角色 skeleton joint 数、active clip 数和 active layer 数；再测量 clip sampling、decompression、blending、local-to-global 的分项耗时；接着检查 pose buffer 分配次数和临时内存写入量；最后根据屏幕贡献设置 Animation LOD。这个顺序把问题限定在可观察成本上，能减少凭直觉删动画层导致视觉回退的风险。

77.5 复杂角色动画组合效果

复杂角色动画组合的核心是 layer 规划。一个可控角色通常同时包含 locomotion、aim offset、upper-body mask、hit reaction、facial animation 和可能的手部道具约束。每个 layer 都要说明输入、影响骨骼范围、权重来源、和 root motion 的关系。缺少 layer 规划时，视觉问题很难定位，因为同一个肩膀 joint 可能被 locomotion、瞄准、受击、换弹和表情驱动间接影响。

Locomotion layer 应作为姿态基底。它负责腿部、骨盆、重心、步频和主 root motion。贯穿案例中，右前跑动由 locomotion blend tree 输出基础 pose 和 root motion。所有上层效果都应以这份基础 pose 为输入继续叠加。这样当开发者看到脚滑、步频错乱或胶囊体位移异常时，优先检查 locomotion 参数、clip 相位和 root motion 提取路径。

Aim offset 负责让上半身朝向目标方向。它通常使用 pitch 和 yaw 两个参数驱动 2D additive pose，影响 spine、neck、head、shoulder 和 arm。它的输入来自相机方向、武器目标点或角色朝向差值；输出是上半身局部 transform 的增量。Aim offset 的边界是骨盆和腿部不应被大幅扭动，否则移动方向和瞄准方向会互相污染。若目标方向超过角色上半身可承受角度，系统应把剩余角度交给角色转身或 turn-in-place。

Upper-body mask 用于把瞄准、换弹、开火等动作限制在上半身区域。Mask 设计需要考虑层级传递：spine 起点权重太低会让胸部瞄准不足，权重突变会让腰部折线明显。实践中可以给 spine 低到高的梯度权重，例如 pelvis 为 0，lower spine 为 0.3，chest 为 0.8，arms 为 1.0。这个梯度让基础 locomotion 和上半身动作在躯干中间过渡。

Hit reaction 适合做短时 additive。它的权重来自受击事件、方向、伤害强度和衰减曲线。贯穿案例中，角色右肩附近受到轻微冲击，系统可以选择一个胸肩后仰 additive clip，按 0.2 秒左右的权重曲线叠加到 chest、shoulder 和 head。若受击反应需要改变角色移动或打断动作，那个决策应进入 gameplay 状态或主状态机；若只是视觉反馈，短时 additive 更稳定。

Facial animation 属于独立的高层表现路径。它可以由表情曲线、blend shape、骨骼面部 rig 或音素驱动。与 locomotion 相比，facial animation 的数据量小但更新频率和同步要求不同。近景角色需要面部表情与语音、镜头和情绪事件对齐；远景角色可以降低频率或使用静态表情。它通常不参与 root motion，也不应影响身体重心。

下面的组合图展示本章案例的 layer 求值顺序。每个 layer 的输出都回到 pose buffer，root motion 仍由 locomotion 主层输出。

图中顺序有两个工程含义。第一，locomotion 先给出全身基底和移动输出；第二，上层表现按作用范围逐步叠加。实际项目可能把 facial layer 放到更晚的专用系统中，也可能把 hit reaction 放在瞄准之前。排序调整需要用同一组观察点验证：脚部接触、肩膀朝向、武器口朝向、受击反馈幅度、面部表情同步和 root motion 位移。

复杂组合的调试应使用分层开关。先只保留 locomotion，检查速度、相位、root motion 和脚部接触；再打开 aim offset，观察 spine 到 head 的朝向变化；接着打开 upper-body mask，检查边界 joint 是否平滑；再打开 hit reaction，观察权重曲线和受击方向；最后打开 facial animation，检查表情与事件时间。每次只增加一个 layer，输出截图、pose debug 和参数快照，问题会自然落到某个 layer 的输入或权重上。

本章最终建立的判断是：复杂角色动画应把动作选择、连续参数、骨骼混合、表现叠加和性能预算分别放在合适层级。状态机维持动作阶段，blend tree 处理连续运动，mask 和 additive 控制局部姿态，root motion 回写角色移动，缓存、并行和 LOD 控制运行成本。

最小自检任务

给定一个角色帧：当前状态为 Move，速度参数从 4.8 变为 5.1，方向从正前变为右前，右键瞄准保持开启，本帧收到一次来自右前方的轻微受击事件。角色使用 2D locomotion blend tree、上半身 aim offset、upper-body mask、短时 hit reaction additive，并由 locomotion 层提供 root motion。请写出这一帧动画系统的检查顺序，说明每一步观察什么输入、产生什么输出、如何判断 root motion、mask、additive 和状态机职责是否清晰。

答案要点

先读取同一帧的参数快照，包括速度、方向、瞄准角度、受击事件和 delta time。状态机保持在 Move，因为速度变化仍属于移动阶段；若没有跳跃、落地或硬直打断条件，状态机输出 Move active state 和对应权重。接着让 2D locomotion blend tree 根据速度与右前方向计算 RunForward、RunRight、RunForwardRight 等 clip 权重，并采样基础 pose 和 root motion。此时应检查权重是否归一化、clip 相位是否支持脚步连续、root motion 是否只来自 locomotion 主层。

随后应用 aim offset。它读取瞄准 pitch/yaw，按上半身 mask 影响 spine、chest、neck、head 和 arm，输出相对基础 pose 的局部改变量。检查点是 pelvis 和 leg 仍由 locomotion 主导，spine 边界权重有梯度。接着处理受击 additive。它读取受击方向、强度和衰减曲线，只在短时间内影响胸肩头等区域，并和 aim offset 在同一 mask 范围内组合。若受击需要打断移动，应进入状态机或 gameplay 状态；本题设定为轻微反馈，所以保留 additive 路径。

最后复查性能和提交边界。采样、混合、additive、mask 和 local-to-global 更新完成后，final local pose 进入全局矩阵构建；root motion 单独交给角色控制器。若本帧出现脚滑，优先检查 locomotion 权重、相位和 root motion；若肩膀抖动，优先检查 aim offset、hit reaction 权重叠加顺序和 mask 边界；若角色整体位移异常，优先检查 root motion 是否被上层 additive 或事件逻辑重复写入。

本章知识点总结

• Pose 混合：动画混合的直接对象是同一 skeleton 上每个 joint 的局部 transform 集合。
• 权重归一：多个基础 pose 合成前应把权重归一化，让最终姿态拥有稳定的数值尺度。
• Additive：Additive pose 表达相对 reference pose 的增量，适合瞄准、受击和呼吸等局部表现。
• Mask 边界：骨骼 mask 应在层级传递处使用平滑权重，让上半身动作和 locomotion 稳定衔接。
• Root Motion：Root motion 的输出目标是角色控制器或碰撞体，普通 pose 的输出目标是 mesh 形变路径。
• 状态机：状态机负责离散动作阶段选择，transition、condition 和 blend time 决定状态切换边界。
• Blend Tree：Blend tree 把速度、方向等连续参数映射成 clip 权重，解决离散 clip 与连续输入的连接问题。
• 相位检查：流畅过渡需要同时检查权重曲线、clip 采样相位、脚部接触和 root motion 曲线。
• 采样缓存：Clip sampling cache 通过复用关键帧区间、插值因子和压缩轨道访问降低重复解码成本。
• 并行调度：多个角色的动画求值适合并行，skinning 提交前需要稳定的全局矩阵同步点。
• Pose 复用：Pose buffer reuse 通过临时 buffer 池和生命周期约束减少每帧分配与内存写入。
• 动画 LOD：Animation LOD 可以按屏幕贡献降低 layer 数量、面部更新频率、IK 成本和采样频率。
• 层级组合：复杂角色应把 locomotion、aim offset、upper-body mask、hit reaction 和 facial animation 分层求值。
• 排查顺序：动画问题应先固定状态机与 locomotion，再逐层打开 aim、mask、additive 和 facial layer。