EQS

QueryContext

查询环境，表示以哪个东西作为查询参考点

两个常量：

EnvQueryContext_Querier表示查询者本身作为查询参考点，假如查询者为敌人的AI，那么就代表敌人本身。

EnvQueryContext_Item 表示生成的点本身

另外可以自己定义QueryContext，方法如下：

创建一个蓝图，基类选择EnvQueryContext_BlueprintBase, 然后override它的函数，根据需要进行override，共有4个函数可以override:

ProvideActorSet 提供一组actor

ProvideSingleLocation 提供一个三维向量

ProvideSingleActor 提供一个actor

ProvideLocationSet 提供一组三维向量

例如，下面的例子创建了一个提供ThirdPersonCharactor 对象作为参考点

Generators

用于生成一系列点

Points: Circle

Circle Radius:圆圈半径

Space Between:点之间的距离

Number Of Points:点的数量

Point on Circle Spacing Method: 采用点的间距还是点的总数来布点

Arc Direction 扇形方向

Arc Angle：扇形范围，例如180就只有半个圆弧

下面两项在其他Generators上都有，属于通用选项

Trace Data: 水平方向上Trace点的位置

         Trace Mode:

                  None 完全无视NavMesh和物体，一般不会使用

Navigation 以NavMesh作为边界进行查找

Geometry 以几何体作为边界进行查找

Navigation Over Ledge 暂时未发现和Geometry的区别

         Trace Channel:

                  查找通道，和Line Trace的channel一样。可选Visibility和Camera

         Trace Shape:

                  类似于Line Trace和Sphere Trace。另外还有Box和Capsule可选

Projection Data: 垂直方向上Trace点的位置

         Trace Mode:

                  Navigation 以NavMesh的高度作为目标高度 

                  Geometry 以几何体的高度作为目标高度

         Projection Down 向下延伸多少距离进行Trace

         Projection Up 向上眼神多少距离进行Trace

Points: Cone

Points: Donut

Points: Grid

Points: Path Finding Grid

相当于在Grid的基础上过滤掉了无法导航到的位置

Tests

过滤条件

Distance

根据距离评分或过滤

Test:

（通用，后面的不再说明）

      Test Purpose:

                   Filter Only: 仅过滤。对点进行一次“硬排除”，把不符合条件的点排除掉，而符合条件的点不做任何处理。

                  Score Only：仅评分。对所有的点进行一次评分，不做任何过滤。

                  Filter and Score：过滤和评分，对不符合条件的点进行排除，剩余的点进行评分。

Distance:

      Test Mode: 哪个方向/维度上的距离

 Distance 3D 三维空间距离

 Distance 2D 水平方向距离

 Distance Z 垂直方向距离

 Distance Z (Absolute) 暂不清楚和上一个选项具体的区别以及应用场景

   Distance To: （每个点）到哪里的距离

                   这里一般不适宜使用EnvQueryContext_Item，因为这样的意思就是测量每个点到自身的距离，当然所有的数值都是0，起不到任何作用

        

Filter： （通用模块，后续不再重复说明。仅当启用了Filter或者Filter and Score两个Test Purpose才有用）

   有Range, Minimum 和 Maximum三个模式，分别是制定一个范围，选取最小的和最大的

 Score:（通用模块，后续不再重复说明）

Scoring Equation:

         Linear 线性增加，表示数值越大评分越高，在当前Distance过滤器中，意思就是离查询参考点越远，评分越高

         Inverse Linear线性减少，表示数值越小评分越高，在当前Distance过滤器中，意思就是离查询参考点越进评分越高 

         Square和InverseSquare是上述两个选项的曲线图形平方。

         Square Root，是Linear的平方根

Dot

Line A 第一个向量

         Mode :

Rotation 使用一个对象的朝向

Two Points: 使用两个点

         Line Frome: 向量的起点

         Line To: 向量的终点

Line B 第二个向量

上图范例：LineA是查询者（图中TestingPawn）的朝向， Line B是从查询者到每一个目标点，由图可见，两个向量夹角越小，dot值越大。

Trace

很简单，视线检测，不过需要注意亮点：

首先一般这里都使用排除， 即Filter模式，因为这里的结果是布尔型的，评分没有意义

其次默认情况下，Trace过程中碰到了东西是True，没有Trace到东西结果是False，如果想把结果进行反向，可以在Score中把Bool Match 的勾去掉。

PathFinding

也很简单，检测从参考点到目标点之间是否存在导航路径。