Unity Open Day 北京站-游戏专场：GPU-Driven实现移动端大规模氛围 NPC 渲染
【获取 2023 Unity Open Day 北京站演讲 PPT】王天宇：大家好，我是来自完美世界的王天宇。我分享的是P5X项目技术细节。“女神异闻录：夜幕魅影”这个IP相信大家都很熟悉，P5X就是这个项目的代号。游戏的涩谷可见人数能够达到80-90人，全场景人数是560个人，手机可见距离是60米。图中的场面就是我们印象中的涩谷，影视剧中经常出现十字街口的场面，我们在实际游戏场景中也是基于现实表
·
王天宇：大家好，我是来自完美世界的王天宇。我分享的是P5X项目技术细节。“女神异闻录：夜幕魅影”这个IP相信大家都很熟悉，P5X就是这个项目的代号。
游戏的涩谷可见人数能够达到80-90人，全场景人数是560个人，手机可见距离是60米。图中的场面就是我们印象中的涩谷，影视剧中经常出现十字街口的场面，我们在实际游戏场景中也是基于现实表现出庞大的人流效果。
P5(女神异闻录5原作)故事发生的舞台之一也是涩谷，原作游戏中无法走到涩谷街头的近处，对这一场景的刻画就是简略的形式一带而过，玩家并不能实际看到这一著名的地标级现象。我们的团队比较有野心，希望能够刻画这一场景，并且在手机上达到60fps的流畅度。
对于这种大规模的渲染，最开始考虑的传统方案是Instance，Instance方案能满足策划灵活的需求，但最大的性能瓶颈出现在CPU。Update是对每个NPC根据策划配置获取当前的状态，渲染之前需要把这些状态组织成Buffer提交到GPU。虽然在这个过程中可以插入逻辑满足策划的特殊需求，做到每一帧控制每个NPC，但对于16毫秒目标来说，仅NPC就有7毫秒的渲染组织耗时是不可接受的，所以我们需要更好的方案和表现。
我们下定决心彻底解决这个问题，所以和策划商量，大家能不能在表现和性能相互妥协，达到可行的方案？我们整理了当前策划需要的全部表现需求：NPC行为可以配置，需要完成站立、走动和动作，包括过马路的行为；NPC持有的物品可以切换，服装可以改变颜色，其实都是为了增加资源的复用性，通过少量的NPC种类能够达到好像有很多人的感觉；最大的要求就是一定要表现出来整个场景过马路的壮观景象。
NPC配置表中数据都是固定的，问题就会被简化成对大量数据的并行处理。刚开始我们考虑用CPU并行的方式(如Job System)进行处理，但估算之后可能还会有2-3毫秒的延迟，后来就考虑到GPU-driven的方案。
很多年前，GPU-driven在主机和PC就已经应用很广泛了。但是这种方案始终受限于市场硬件对Computer Shader和Buffer的支持，我们大规模使用这些方案还是很谨慎的。考虑到氛围NPC场景并不是非常硬性的渲染需求，可以在较低档机器回退到Instance甚至更低的方案灵活使用，而且这种方案确实可以解决高档机的性能问题，所以我们还是考虑用这种方案去做。
GPU-driven的关键点在于首先需要用GPU决定哪些物体绘制，其次减少CPU/GPU之间的回读，不用去等GPU做同步的操作。只要满足这两点，大部分情况下GPU的效率远高于CPU并行的效率。CPU要做的事情就是进行简单的绘制命令调用，甚至如果场景NPC数据不去修改的话，连Buffer都不用更新，GPU还可以进行更细粒度的剔除。
为了尽可能减少NPC数据，我们跟策划商量将NPC行为设计为循环，这些数据在整个游戏时间都是可以复用的，能够把当前的数据固定下来，这些数据打包整体上传到GPU。例如一个NPC生命周期是180秒，会在生命周期内根据自己的配置持续行为。GPU只需要跟CPU同步的全局时间即可在上传的配置中查询当前NPC状态进行表现。
除了刚才表现相关的内容，我们还要在Computer Shader中完成剔除的过程。剔除结果的index存在一个Buffer中，后续再用Instancing indirect的方式为每个不同的NPC材质提交一次绘制指令。
为了将NPC移动逻辑放到GPU计算，我们选择的还是比较基础的配置路点的方式，通过插值完成NPC移动。为了压缩数据，我们每个路点都是3D坐标加上Y轴旋转，因为处理的都是人物的移动。经过实际摆放，我们发现10个路点可以满足NPC全部行为需求。
动作表现还是传统的GPU Skin方案，烘焙到texture中。我们与美术在资源上进行了协商，保持骨骼数量在30根以内，以30FPS对动画进行采样，正常使用256×256贴图可以记录20秒左右的数据，能满足NPC动作需要。动作采用两骨骼混合，可以减少一些计算消耗。我们后续还是做了60FPS和更高精度的GPU Skin数据，可以满足一些half精度处理不了的动作问题。
图中可以看到剔除的结果，右侧摄像机被阻挡部分的NPC就不用画了。剔除方案在PC使用HIZ；对于移动平台，由于显示距离是比较短的，大多数绘制并没有被遮挡剔除掉，所以如果使用HIZ剔除反而是负优化，因此移动端我们简单使用了视椎剔除。剔除过程中因为绘制的目标都是比较规整的，所以我们没有用包围盒来做剔除，而是在脚的上面和头的下面选择两个点进行剔除，只要有一个点在视椎范围内就保留当前NPC，也是节省计算的操作。
项目使用的GI是比较传统的Lightmap + Light Probe。NPC希望使用Light Probe GI获取当前的环境信息，做法是在每个路点记录当前的Light Probe数值，NPC移动的时候根据NPC到两个路点的距离作为权重对整个SH(球谐函数)进行插值，得到环境光的信息。
刚才讲的是一些基本的实现思路，项目组还有更加细节的方案满足策划需求。策划首先提出的是需要大量铺设，其次是等红绿灯、过马路，要有多种手持物和换色以减少重复性。NPC和主角过于靠近会有一个渐隐，为了避免透明排序的问题是用Alpha Test。
这是客户端配合开发的编辑工具，通过路线进行编辑。策划最开始会铺设一整条路线，然后在这条路线上只要添加NPC即可，工具会自动设置成随机添加、随机时间间隔，然后路线上会按照一定规则生成NPC。如果NPC路线出现问题也可以按照整条路线排查哪个NPC出现了问题，方便回溯。
对于性能部分，我们着色的对象是很多的，这其实是性能非常敏感的方案。我们在很多地方进行了Trick减少消耗。现阶段是做了GPU Drivin以后，大部分工作被放在GPU，CPU消耗就可以忽略不计了。像素着色方面，我们对Shader绘制也做了精简，满足表现的情况下去掉了一些复杂的计算。
现在性能消耗最大的来源就是顶点着色器的GPU Skin，其次是像素着色器。顶点优化部分手段是比较有限的，需要从资源上入手降低顶点消耗。GPU Skin计算的时候使用half精度降低计算消耗，CS计算着色器负责的剔除操作的性能消耗较少，可以想到刚才的场景大概是500多个NPC，剔除操作对于GPU来说并没有那么复杂。
氛围NPC作为不透明物体可以参与各种绘制，包括阴影、PreDepth、MotionVector等。因为绘制的时候需要多次绘制顶点着色器，所以顶点消耗还是非常关键的，优化顶点可以在整个方案做出很大性能优化。
除了降低顶点数量以外，我们还在规划使用的Buffer。目标就是尽可能考虑缓存命中划分数据结构。我们是在CS、VS、PS三个阶段进行绘制，每个阶段需要的数据是不同的，所以根据各个阶段需要的数据把Buffer分成三个部分，让每个阶段能够读取到的Buffer尽可能满足只在这个阶段使用，提升缓存利用率。
关于剔除的部分，我们把所有NPC数据放在一个CS进行剔除，需要的数据就是NPC位置数据，每个NPC都是通用的。剔除结果的index根据NPC数量构成的offset存储下来，调用的时候可以根据预先统计的不同NPC offset加上Instance传入的ID拿到NPC Data的数据。
这里还有一些Trick，包括绘制阴影。因为我们绘制的内容多为角色，没有很大的高低落差，传统的从光源方向正交打投影方式剔除还是有很多浪费，所以在这里考虑直接用视椎相机的平头截体进行剔除，我们把平头截体朝Z轴负方向偏移了一段距离，保证即使NPC出了可见范围边缘仍然能有投影。经过这次提出，在阴影阶段VS消耗会大量减少。
刚才提到NPC会持有不同的手持物，就像刚才大家看到的包和伞之类的内容。我们把这些手持物跟NPC打包到一个Mesh里面，通过增添少量的骨骼，把每个手持物绑定一个骨骼，不需要的时候把这些骨骼Scale设成0，Mesh就不会显示了。切换手持物只是简单地对NPC动作进行切换。GPU Skin贴图大小允许的情况下，这是比较合理的优化方案。
可以看到优化以后的性能测试，数量相比Instance提高到560个，一共21种NPC，主线程0.34秒的消耗可以忽略不计，渲染线程因为渲染状态切换还是有些提交的操作。GPU根据骁龙profiler的测试简单估算，骁龙865大概是2毫秒左右，早期开发没有的Motion Vector的消耗也在计算其中。Android平台实现方案对我们来说比较麻烦，苹果就会相对容易，苹果GPU因为VS、PS和CS可以并行，很多时候VS是免费的，我们的方案刚好是VS比较耗费，跟场景这些不透明物体的PS绘制过程并行，所以很多消耗是免费的，整体方案就会更省，大概就是1毫秒不到的消耗。
GPU Driven有兼容性问题，Computer Shader的兼容性是GLES3.1。我们的方案会在VS中读取剔除以后的Index数据，Buffer的选择也是一个问题。因为我们是上传整个NPC数据，UBO内存限制导致我们不能使用UBO作为Buffer类型，而Mali设备在VS阶段针对SSBO读取的时候也存在问题，所以最后Android平台选择TBO。全面支持TBO的方案就是GLS3.2版本，3.1版本支持GL_EXT_texture_buffer拓展的情况下也可以支持TBO调用和读取。
顺便一提，我们最后的支持方案是3.1以及GL_EXT_texture_buffer拓展的方案，在公司提供的Top500机型中的比重大概可以达到90%以上，Buffer转换Texture使用Unity提供的自动转换方式。
我们对GPU-driven还有更多的应用，基于传统的GPU Scene，整个场景划分Cluster以后，在镜头被遮挡的情况下对场景的剔除是相当可观的，这一部分应用还在实现中。
分享前沿Unity技术干货和开发经验，精彩的Unity活动和社区相关信息
更多推荐
1
0- 0
已为社区贡献714条内容
所有评论(0)