1. 项目概述为什么Unity物理优化是性能攻坚的硬骨头在Unity里做3D游戏尤其是那些有大量动态物体、需要实时物理交互的项目比如开放世界、RTS或者弹幕射击游戏物理性能往往是第一个瓶颈。Unity内置的PhysX物理引擎虽然功能强大、稳定可靠但它是一个黑盒而且是为通用场景设计的。当你的游戏里同时有上千个物体在运动、碰撞时CPU会瞬间被物理计算吃满帧率骤降玩家体验直接崩盘。这时候很多开发者会本能地想到“换引擎”或者“降画质”但其实问题的核心往往在于碰撞检测这个最基础的环节。传统的碰撞检测比如Unity自带的Collider组件每帧都在进行大量的包围盒计算、形状相交测试这些计算本身就很重。更关键的是PhysX的调用存在不小的开销尤其是在大量物体频繁触发碰撞时。所以我们今天的主题不是简单地调参而是从底层算法和计算架构入手进行一次“外科手术式”的优化用分离轴定理SAT算法实现自定义的高精度碰撞检测再借助Unity的Burst编译器和Job System将计算并行化、向量化榨干CPU的每一分性能。这不仅仅是写个算法而是一套从理论到实践从单线程到多线程从通用计算到SIMD指令集优化的完整性能解决方案。如果你正在为游戏中的大量子弹、碎片、NPC的碰撞性能发愁或者单纯想深入理解高性能物理计算的底层逻辑那这篇实战总结就是为你准备的。2. 核心思路拆解BurstSAT组合拳的威力与设计考量为什么是BurstSAT这个组合不是凭空想出来的而是针对Unity环境下高性能碰撞检测的痛点经过权衡后的最优解之一。首先看SAT算法。分离轴定理是处理凸多面体包括AABB、OBB、胶囊体等碰撞检测的经典算法。它的核心思想非常直观如果两个凸体没有发生碰撞那么必然存在一条直线轴能够将它们在直线上的投影完全分离开。我们只需要在一组有限的候选轴通常是每个面的法线以及每条边的叉积方向上进行投影和重叠测试即可。SAT的优势在于对于规则几何体如我们游戏中常见的方块、胶囊它的计算量是可预测且相对较小的并且能精确计算出碰撞的法线方向和穿透深度这对于后续的物理响应如反弹、滑动至关重要。相比更复杂的GJK/EPA算法SAT在实现难度和常见场景的性能上更有优势。然后是Burst编译器。这是Unity DOTS面向数据的技术栈里的王牌。它能把C# Job代码编译成高度优化的原生机器码特别是能充分利用现代CPU的SIMD单指令多数据流指令集。碰撞检测的本质是什么是对大量顶点、边、面的向量运算点积、叉积。这些运算天然具有数据并行性——你可以同时对多个轴进行投影测试。用普通的C#写循环CPU是一条一条算的而经过Burst编译后它可能一次性用一条指令处理四个轴如果使用float4性能提升是数量级的。我们的设计思路就是将SAT算法的核心计算步骤投影轴生成、投影计算、重叠判断封装进一个Burst Compiler Job里。利用Job System将场景中所有需要检测的物体数据位置、旋转、顶点转换成NativeArray这样的原生容器然后调度多个Job并行处理不同物体对的碰撞检测。这样我们既拥有了自定义算法的灵活性可以针对游戏特定形状做优化又获得了接近C/原生代码的运行时效率同时还能安全、方便地利用Unity主线程之外的多核CPU。注意这套方案主要适用于动态的、形状相对规则的物体间检测。对于静态环境如地形使用空间分割结构如BVH树、网格进行粗检测再结合本方案进行精检测是更完整的解决方案。本文聚焦于核心的碰撞检测算法优化。3. 工具与准备搭建Burst开发环境与数据准备工欲善其事必先利其器。要玩转Burst你的Unity版本最好在2021.3 LTS或更新版本并确保通过Package Manager安装了以下核心包Burst 这是主角负责高性能编译。Collections 提供NativeArray、NativeList等非托管容器用于在Job中安全高效地传递数据。Mathematics Unity官方的数学库提供了float3、quaternion、float4x4等类型它们针对Burst进行了深度优化并且能生成更好的SIMD代码。务必使用这个库代替System.Numerics或UnityEngine自带的Vector3/Quaternion这是性能的关键。安装好后在Player Settings的Other Settings里确保Allow ‘unsafe’ Code是勾选的因为一些底层优化可能会用到。接下来是数据层面的准备。在传统的MonoBehaviour方式里我们可能这样存一个立方体的数据public class SimpleCube : MonoBehaviour { public Vector3[] localVertices; public Vector3[] worldVertices; // 每帧更新 }但在我们的高性能架构里这行不通。我们需要面向数据的设计定义组件数据我们为每个可碰撞实体定义纯粹的数据结构。using Unity.Mathematics; public struct ColliderData { public float3 position; public quaternion rotation; public float3 scale; public int vertexStartIndex; // 指向顶点数组的起始位置 public int vertexCount; // 顶点数量 public int colliderType; // 0:立方体1:胶囊体... }使用原生容器在主线程或某个系统里我们将所有实体的ColliderData收集到一个NativeArrayColliderData中。同样所有实体的顶点数据模型空间也存储在一个大的NativeArrayfloat3中。这种“数组化”的存储方式能让CPU缓存命中率大幅提升也是Burst Job高效处理的前提。计算世界顶点在Job中我们需要根据position,rotation,scale和本地顶点实时计算世界空间的顶点。这个过程本身也可以并行化。我们会准备另一个NativeArrayfloat3用于输出世界顶点。实操心得在项目初期建议用一个MonoBehaviour脚本作为“数据收集器”和“调试查看器”。它负责在Update中从GameObject收集数据并填充到NativeArray同时在OnDrawGizmos中可视化Job计算出的碰撞结果比如画出碰撞法线。这样既能保证性能架构又不失调试的便利性。4. SAT算法核心实现详解从理论到可Burst编译的代码理论说再多不如一行代码。我们来实现一个能处理两个凸多面体以立方体为例的SAT检测Job。假设我们已经有了物体A和物体B的世界顶点数组。4.1 生成候选分离轴对于两个凸多面体候选轴来自两者所有面的法线以及所有边向量的两两叉积。对于立方体由三角形面组成我们可以简化一个立方体有6个面但法线只有3个独特的轴向右、上、前及其反向。两个立方体共有6个独特的面法线方向。此外还需要考虑边叉积轴。立方体有12条边但方向向量只有3个右、上、前。两个立方体的边组合会产生3x39个可能的叉积方向需归一化并去重。所以对于两个盒子最多有6面法线 9边叉积 15条候选轴。在实际编码中我们可以预先计算好一个立方体的本地空间边向量和面法线然后在Job中根据旋转进行变换。// 在Job外部预计算一个单位立方体的本地边和面法线 public static readonly float3[] localFaceNormals new float3[] { new float3(1, 0, 0), new float3(0, 1, 0), new float3(0, 0, 1), new float3(-1, 0, 0), new float3(0, -1, 0), new float3(0, 0, -1) }; public static readonly float3[] localEdges new float3[] { math.right(), math.up(), math.forward() };在Job内部我们需要将本地轴变换到世界空间float3x3 rotationMatrix math.float3x3(rotation); // 从四元数获取3x3旋转矩阵 for (int i 0; i localFaceNormals.Length; i) { candidateAxes[axisIndex] math.mul(rotationMatrix, localFaceNormals[i]); } // 边向量同样需要变换4.2 投影计算与重叠判断这是SAT的核心循环。对于每一条候选轴将物体A的所有顶点投影到该轴上找出最小和最大投影值minA,maxA。对物体B做同样操作得到minB,maxB。判断两个区间是否重叠。如果maxA minB或maxB minA则在此轴上分离立即返回“未碰撞”。如果所有轴都未分离则发生碰撞。在遍历过程中还可以记录下重叠深度最小的那条轴作为碰撞法线方向。投影计算本质是点积projection math.dot(vertex, axis)。寻找最小最大值是一个典型的规约操作非常适合用Burst进行循环展开和SIMD优化。// 在Job中计算一个物体在某一轴上的投影范围 float minProj float.MaxValue; float maxProj float.MinValue; for (int i 0; i vertices.Length; i) { float proj math.dot(vertices[i], axis); minProj math.min(minProj, proj); maxProj math.max(maxProj, proj); }4.3 整合成Burst Job现在我们把上述步骤整合到一个IJobParallelFor中。IJobParallelFor允许我们对一个数组的每个元素并行执行任务。在这里我们可以把“需要检测的物体对”作为一个数组。例如我们有N个物体需要两两检测那么就有N*(N-1)/2对。我们可以创建一个包含所有物体对索引的NativeArray然后并行执行SAT检测。[BurstCompile] public struct SATCollisionJob : IJobParallelFor { [ReadOnly] public NativeArrayfloat3 allWorldVertices; [ReadOnly] public NativeArrayColliderData collidersData; [ReadOnly] public NativeArrayint2 collisionPairs; // 存储需要检测的物体对索引 (indexA, indexB) public NativeArrayCollisionResult results; // 输出结果每个物体对一个结果 public void Execute(int index) { int2 pair collisionPairs[index]; ColliderData aData collidersData[pair.x]; ColliderData bData collidersData[pair.y]; // 1. 获取物体A和B的世界顶点切片 // 2. 生成候选轴基于aData.rotation和bData.rotation // 3. SAT核心循环 // 4. 将结果是否碰撞碰撞法线穿透深度写入results[index] } } public struct CollisionResult { public bool isColliding; public float3 normal; public float depth; }在主线程中调度这个Job// 假设已经填充好了collidersData, allWorldVertices, collisionPairs var job new SATCollisionJob { ... }; JobHandle handle job.Schedule(collisionPairs.Length, 64); // 64是每批处理大小 handle.Complete(); // 或者用JobHandle.ScheduleBatchedJobs和依赖关系管理 // 完成后从results中读取碰撞信息注意事项IJobParallelFor要求Job内部是线程安全的不能写入共享数据。我们的设计让每个Job只写入results中自己独有的索引位置这是安全的。另外Schedule时的innerLoopBatchCount参数这里设为64需要微调太小会导致调度开销大太大会导致负载不均。通常从32或64开始测试。5. 性能优化进阶SIMD、批处理与空间分割基础版本已经能跑了但追求极致性能我们还得深挖。5.1 利用Mathematics库与SIMDUnity.Mathematics中的float3、float4等类型在Burst编译下会自动尝试生成SIMD指令。但我们可以更主动一些。例如在计算投影最小最大值时可以手动使用float4进行小规模向量化。假设我们一次处理4个顶点要求顶点数是4的倍数不足可以补零int simdLength vertices.Length / 4 * 4; float4 minProj4 new float4(float.MaxValue); float4 maxProj4 new float4(float.MinValue); float4 axis4 new float4(axis.x, axis.y, axis.z, 0); // 注意对齐 for (int i 0; i simdLength; i 4) { // 假设vertices是float3的数组需要手动打包成float4x3来模拟SIMD加载 // 这里是一个简化示例实际加载需要根据内存布局调整 float4x4 vBlock ... // 从vertices加载4个float3并补成一个float4x4 // 计算点积这里需要更复杂的SIMD点积运算可能需调用math.dot // ... } // 最后从minProj4和maxProj4中规约出最终的min和max注意手动SIMD优化代码会变得复杂且难以维护除非性能分析器Profiler明确显示这里是热点否则建议优先信任Burst对普通循环的优化。使用Mathematics库和简单的循环Burst通常已经能做得很好。5.2 粗检测与批处理Broad Phase对所有物体进行两两检测O(N²)复杂度是不可持续的。我们必须引入**粗检测Broad Phase**来快速筛选出可能碰撞的物体对只对这些候选对进行SAT精检测Narrow Phase。最常用的粗检测是基于网格的空间分割Spatial Grid或动态包围盒层次结构Dynamic BVH。这里以简单的均匀网格为例将世界空间划分为固定大小的网格单元。每一帧根据物体的包围盒AABB将其ID添加到它覆盖的所有网格单元的列表中。同一个网格单元内的物体才需要进行两两精检测。这个“更新网格”和“生成碰撞对”的过程同样可以用Job并行化。例如一个Job并行计算所有物体的网格范围另一个Job并行处理每个网格单元内的物体配对。这能极大减少传入SAT Job的collisionPairs数量。5.3 数据布局与内存访问优化对于Burst Job内存访问模式至关重要。尽量确保Job顺序访问NativeArray这样可以最大化缓存利用率。避免在Job内部进行随机访问或间接查找。在我们的设计中allWorldVertices是一个所有顶点顺序存储的大数组ColliderData中的vertexStartIndex提供了直接偏移量这是高效的。如果碰撞检测需要物体的其他属性如速度、质量也应该以NativeArray的形式提供并确保与ColliderData的顺序一致即相同索引代表同一个实体。6. 实战集成与调试在Unity中组装与验证理论算法和独立Job都准备好了现在需要把它们集成到Unity的游戏循环中并确保结果正确。6.1 构建一个碰撞检测系统我们可以创建一个MonoBehaviour如HighPerformanceCollisionSystem来管理整个流程public class HighPerformanceCollisionSystem : MonoBehaviour { private NativeArrayColliderData m_ColliderDataArray; private NativeArrayfloat3 m_WorldVerticesArray; private NativeListint2 m_CollisionPairs; // 使用List因为数量可变 private NativeArrayCollisionResult m_Results; private ListIColliderEntity m_ManagedEntities new ListIColliderEntity(); void Update() { // 1. 从所有IColliderEntity收集数据填充m_ColliderDataArray和本地顶点缓存 // 2. 调度一个JobCalculateWorldVerticesJob计算所有顶点的世界坐标写入m_WorldVerticesArray // 3. 调度粗检测Job如SpatialGridJob生成潜在的碰撞对填入m_CollisionPairs // 4. 调度SATCollisionJob传入m_CollisionPairs输出到m_Results // 5. 等待所有Job完成使用JobHandle.CombineDependencies和Complete // 6. 遍历m_Results将碰撞信息反馈给对应的实体例如调用实体上的OnCollision方法 } void OnDestroy() { // 务必释放所有Native容器避免内存泄漏 if (m_ColliderDataArray.IsCreated) m_ColliderDataArray.Dispose(); // ... 释放其他容器 } }6.2 调试与可视化物理调试眼见为实。在OnDrawGizmos或OnDrawGizmosSelected中我们可以绘制物体的包围盒AABB用于验证粗检测。SAT检测出的碰撞点与法线在发生碰撞的位置画一条红线表示法线方向。候选分离轴可选可以短暂绘制用于理解算法过程。void OnDrawGizmos() { if (!Application.isPlaying) return; for (int i 0; i m_Results.Length; i) { if (m_Results[i].isColliding) { // 简单起见取两个物体的中心点连线的中点作为碰撞点 int2 pair m_CollisionPairs[i]; float3 posA m_ColliderDataArray[pair.x].position; float3 posB m_ColliderDataArray[pair.y].position; float3 collisionPoint (posA posB) * 0.5f; Gizmos.color Color.red; Gizmos.DrawLine(collisionPoint, collisionPoint m_Results[i].normal); } } }6.3 性能分析与对比集成完毕后打开Unity Profiler特别是Deep Profile模式观察主线程耗时你的Update中除了调度和完成Job应该几乎没有计算开销。Worker线程耗时你会看到多个线程在执行你的Burst Job。这是性能提升的直接体现。GC Alloc由于大量使用NativeContainer每帧的GC分配应该极低理想情况是0。与Physics.Raycast或传统Collider对比设计一个压力测试场景生成数千个运动物体。分别用传统物理系统和你的自定义系统跑一下用Profiler对比CPU耗时和帧率。在物体数量多时BurstSAT方案的优势会非常明显。7. 常见问题、排查与扩展方向在实际操作中你肯定会遇到各种问题。这里记录一些典型的坑和解决思路。7.1 Burst Job编译失败或运行错误错误“Burst does not support calling methods on reference types”原因Burst Job中不能直接调用托管对象非NativeContainer的方法或访问其字段。解决将所有需要的数据以值类型struct或NativeContainer的形式传入Job。确保Job结构体中的字段都是blittable类型如基本数值类型、其他结构体、NativeArray等。错误访问NativeArray越界原因vertexStartIndex或vertexCount计算错误导致在allWorldVertices中访问了无效索引。解决在填充数据时增加边界检查。在Job内部虽然为了性能可能不做检查但在调试阶段可以用[NativeDisableContainerSafetyRestriction]暂时关闭安全检查配合[Conditional(ENABLE_UNITY_COLLECTIONS_CHECKS)]编写自己的调试断言。性能提升不明显原因1数据量太小。Burst和Job System的威力在成千上万的实体上才能充分体现。原因2粗检测缺失或低效。如果仍然进行O(N²)的精检测SAT再快也扛不住。原因3Job内部有分支或数据依赖严重阻碍了SIMD优化。尽量让循环内部逻辑简单、统一。排查使用Profiler的Burst编译视图查看生成的汇编代码分析热点循环。确保关键循环内的代码是“Burst友好”的。7.2 算法精度与特殊形状处理浮点数精度问题在判断投影重叠时使用一个很小的容差epsilon例如1e-5f来避免因浮点误差导致的误判。if (maxA minB - epsilon || maxB minA - epsilon) { return false; // 分离 }处理非凸形状SAT只保证对凸多面体有效。对于凹物体需要先将其分解为多个凸体凸分解Convex Decomposition然后分别检测。这属于更高级的主题可以考虑使用第三方库或工具进行预处理。扩展其他形状本文以立方体为例。对于球体、胶囊体SAT算法可以简化。球体只需要判断中心距离和半径之和。胶囊体可以转化为线段与球体的检测。你需要为每种形状实现一个特定的GetSupportPoint函数用于在给定方向上获取最远的点这是实现GJK/EPA算法的通用接口但用SAT特化实现通常更快。7.3 系统扩展与生产环境建议与Unity Physics共存你的自定义系统可以完全替代简单物体的物理但对于复杂的角色控制器、布料、车辆等可能仍需依赖PhysX。可以让两者共存用你的系统处理大量简单动态物子弹、碎片用PhysX处理复杂主体。添加碰撞响应检测到碰撞后通常需要处理响应反弹、摩擦、伤害计算。这部分逻辑可以放在主线程根据CollisionResult进行计算。更极致的做法是将响应也Job化但这需要更复杂的数据流设计。对象池与数据重用对于频繁创建销毁的物体如子弹使用对象池管理其ColliderData在NativeArray中的位置避免每帧都重新分配和整理数组这能进一步减少开销。使用Entities (ECS)如果你已经在使用或考虑使用Unity的ECS架构那么这套思路可以无缝迁移。ColliderData变成IComponentDataJob变成ISystem的一部分数据管理由EntityManager负责架构会更加清晰和高效。本文的很多概念Burst, NativeArray正是ECS的核心。这套BurstSAT的方案本质上是一种“性能换控制权”的思路。你放弃了PhysX的一些便利性和高级功能如连续碰撞检测CCD、复杂的关节换来了对特定场景的、极致优化的计算能力。在需要处理海量单位碰撞的游戏里这种交换往往是值得的。它要求你对数据、内存、并行计算有更深的理解但带来的性能提升和解决问题的满足感也是巨大的。