碰撞层与掩码：32 位位运算的设计

这是物理分类里最"简单"的一个机制，也是误用率最高的。collision_layer 和 collision_mask 在编辑器里是 32 个复选框，在代码里就是两个 uint32_t。先把语义钉死，再谈它背后真正的性能账。

语义：我是谁 vs 我看谁

• collision_layer：我是谁——body 占据的层，一位一个层；
• collision_mask：我看谁——扫描哪些层上的对象。

两 body $A$、$B$ 发生碰撞，判定是：

$$ (A.\text{mask} \wedge B.\text{layer}) \neq 0 \;\;\wedge\;\; (B.\text{mask} \wedge A.\text{layer}) \neq 0 $$

双向都过才算碰撞。这个非对称结构是个被低估的特性：把 $A$ 的 mask 设为只包含 $B$ 的层、而 $B$ 的 mask 不含 $A$ 的层，就得到单向检测——子弹只打敌人不碰队友、探测 Area 只感知玩家而不被玩家感知。做单向门、触发区时这是标准手法，不用写任何特殊代码。

$Hitbox.set_collision_layer_value(4, true)   # 我占第 4 层
$Hitbox.set_collision_mask_value(3, true)     # 我看第 3 层（敌人）

Area3D 的监测（body_entered 等信号）走同一套判定；射线查询的 PhysicsRayQueryParameters3D.collision_mask 是单向版——只查你指定的层。

性能真相：AND 不要钱，候选对要钱

先说结论：这对 32 位 AND 加分支的判断本身约 1 纳秒，在 broad phase 逐 pair 调用上百万次也无感。layer/mask 的性能意义不在判断本身，而在它能决定哪些 pair 根本不被生成。

Broad phase 每帧产出的是"AABB 有交"的候选 pair，n 个物体、随机分布时期望候选数约为：

$$ E[\text{pairs}] \approx \binom{n}{2} \cdot p_{\text{overlap}}^2 $$

$p_{\text{overlap}}$ 是单对 AABB 交叠概率，随场景密度上升。注意这个数和分层一点关系都没有——只要 AABB 交了，候选就产生了，layer/mask 只是把它过滤掉。把 200 个静态环境物、50 个敌人全放在第 1 层，它们之间每帧互相产生 $\binom{250}{2} \approx 3.1$ 万次 AABB 交测试的候选；给静态物单独一层、敌人不再扫描它（多数敌人物理上确实不需要感知环境细节），候选数直接砍掉一大块。分层的收益是减候选，不是加速判断。

在 Jolt 下还有第二层收益：BroadPhaseLayer 映射（第 4 篇）把静态/动态分入不同的树，静态-静态 pair 在树遍历阶段就不生成，连候选都没有。Godot Physics 没有这层抽象，只能靠 layer/mask 在生成后过滤——这也是大规模静态场景 Jolt 领先的另一笔小账。

为什么是位，而不是标签或列表

热路径上的过滤器，设计约束是"每次判断必须零分配、可预测、可向量化"。位运算三个全占：两个寄存器一次 AND；而字符串标签要哈希查找，列表要遍历，pair 数上来就是实 hurt。此外位图可以无损映射进任何物理引擎的过滤体系——Jolt 的 ObjectLayer、PhysX 的 word0/word1 都是同样的 32 位思路，迁移时语义不丢。

代价是表达力：32 层封顶、层与层之间没有"继承"（第 4 层自动含第 1~3 层这种关系要手工展开成多个 mask 位）。对游戏场景的耦合分类（世界/玩家/敌人/触发区/投射物……），32 位绰绰有余；真不够用，说明分类该重构而不是加层。

一个实务分配模板

原则两条：静态物能不扫就不扫（它们是候选对的最大来源）；投射物单向打（mask 只含目标层，省掉投射物互撞的求解）。

排查时对着这条看：物理帧耗时高 → profiler 里 broad phase / narrow phase 占比高 → 数场景里多少 body 共享同一个 layer——九成的大规模场景物理问题，最后都收在这张表里。