CN107609631B - Unity中实现群集AI的方法、存储介质 - Google Patents
Unity中实现群集AI的方法、存储介质 Download PDFInfo
- Publication number
- CN107609631B CN107609631B CN201710654971.1A CN201710654971A CN107609631B CN 107609631 B CN107609631 B CN 107609631B CN 201710654971 A CN201710654971 A CN 201710654971A CN 107609631 B CN107609631 B CN 107609631B
- Authority
- CN
- China
- Prior art keywords
- behavior
- individual
- frame
- basic structure
- current frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供Unity中基于ComputerShader实现高效群集AI的方法、存储介质,方法包括:行为管理类初始化第一基础结构体和第二基础结构体,依据各个体的行为对象创建相应的具体行为结构体,并将其加入行为对象列表;每帧更新时遍历调用行为对象列表包含的行为对象对应的算法对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体计算得到各AI个体当前帧的第二基础结构体;对第一基础结构体和对应当前帧的第二基础结构体计算得到各个AI个体当前帧的第一基础结构体。本发明通过ComputeShader的并行计算能力实现高效群集AI,同时保证良好运行效率。
Description
技术领域
本发明涉及Unity虚拟现实领域,具体说的是一种Unity中基于ComputerShader实现高效群集AI的方法、对应存储有实现该方法的计算机可读存储介质。
背景技术
通常,我们在unity中为个体添加人工智能行为(AI),比如我们需要一个简单的路径跟随行为:需要一条鱼沿着一条路径移动。通常的做法是通过给个体添加路径跟随行为脚本,在unity运行时由CPU在每帧的更新事件中执行路径移动脚本中的路径跟随算法,计算这一帧个体移动到的位置。如果是多条鱼跟随路径移动,我们就需要为每条鱼添加一个路径跟随脚本,这样运行时CPU会逐个执行这些鱼上的脚本。但是如果需要给10000条鱼同时做路径跟随,这样CPU每帧都需要执行10000遍路径跟随脚本,这种方法就会使CPU遇到巨大的性能瓶颈。如果执行一个脚本需要0.1ms时间,每帧10000遍脚本就是1s。通常我们运行时每秒至少需要执行30帧更新,也就是每帧耗时需要<0.03s,这将导致CPU的运行效率降低。
以上问题的关键在于CPU的性能瓶颈,现有解决的办法是放弃使用CPU的串行计算模式而采用CPU的并行计算模式,但是在unity中并没有提供现成的并行运算解决方案。因此,有必要提供一种能够为上万个对象添加各种智能行为,又能同时保证良好运行效率的方法。
发明内容
本发明所要解决的技术问题是:提供一种Unity中实现群集AI的方法、存储介质,能够实现高效群集AI,同时保证CPU具备良好运行效率。
为了解决上述技术问题,本发明采用的技术方案为:
Unity中基于ComputerShader实现高效群集AI的方法,包括:
AI行为管理类初始化第一基础结构体和第二基础结构体,所述第一基础结构体存储包括位移、旋转和状态的信息,所述第二基础结构体存储包括加速度和速度的信息;
依据各AI个体的行为对象创建相应的具体行为结构体,并将所述行为对象加入AI行为管理类的行为对象列表中;
对AI群集进行每帧更新时,遍历调用所述行为对象列表包含的行为对象对应的算法对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体进行计算,得到各AI个体对应当前帧的第二基础结构体;
对第一基础结构体和对应当前帧的第二基础结构体进行计算,得到各个AI个体对应当前帧的第一基础结构体。
本发明提供的另一个技术方案为:
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现以下步骤:
AI行为管理类初始化第一基础结构体和第二基础结构体,所述第一基础结构体存储包括位移、旋转和状态的信息,所述第二基础结构体存储包括加速度和速度的信息;
依据各AI个体的行为对象创建相应的具体行为结构体,并将所述行为对象加入AI行为管理类的行为对象列表中;
对AI群集进行每帧更新时,遍历调用所述行为对象列表包含的行为对象对应的算法对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体进行计算,得到各AI个体对应当前帧的第二基础结构体;
对第一基础结构体和对应当前帧的第二基础结构体进行计算,得到各个AI个体对应当前帧的第一基础结构体。
本发明的有益效果在于:区别于现有的为个体添加智能行为需要给每个个体添加行为控制脚本,然后逐个执行脚本才能实现,存在CPU性能瓶颈的问题。本发明利用Unity3D引擎的ComputeShader将CPU作为并行处理器使用,能够同时为上万个对象添加各种智能行为,实现高效模拟大量的智能的群体运动行为,如鱼群、鸟群、蜂群运动;同时保证具有良好的运行效率。
附图说明
图1为本发明Unity中基于ComputerShader实现高效群集AI的方法的流程示意图;
图2为本发明实施例一的流程示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:利用Unity中的ComputeShader将CPU作为并行处理器使用,实现高效模拟大量的智能的群体运动行为。
本发明涉及的技术术语解释:
请参照图1,本发明提供一种Unity中基于ComputerShader实现高效群集AI的方法,包括:
AI行为管理类初始化第一基础结构体和第二基础结构体,所述第一基础结构体存储包括位移、旋转和状态的信息,所述第二基础结构体存储包括加速度和速度的信息;
依据各AI个体的行为对象创建相应的具体行为结构体,并将所述行为对象加入AI行为管理类的行为对象列表中;
对AI群集进行每帧更新时,遍历调用所述行为对象列表包含的行为对象对应的算法使用ComputeShader对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体进行计算,得到各AI个体对应当前帧的第二基础结构体;
通过ComputeShader对第一基础结构体和对应当前帧的第二基础结构体进行计算,得到各个AI个体对应当前帧的第一基础结构体。
从上述描述可知,本发明的有益效果在于:通过遍历调用行为对象列表中所包含的具体行为对象对应的算法使用ComputeShader并行计算得到各AI个体当前帧的速度和加速度,再据此计算得到当前帧的位移和旋转,获取各AI个体对应当前帧的状态参数,实现每帧自动更新获取各AI个体的状态参数,从而获得高效群集AI的渲染绘制效果;同时又能保证系统良好的运行效率。
进一步的,还包括:
获取各AI个体对应当前帧的第一基础结构体;
依据所述第一基础结构体对各AI个体对应当前帧的状态进行设置。
由上述描述可知,能够一次性获取各AI个体当前帧的状态参数,高效的运用到具体个体对象中,获取最佳的AI群集效果。
进一步的,还包括:
创建各AI个体的模型序列帧;
创建一模型渲染类,所述模型渲染类存储有各AI个体的模型序列帧索引;
所述模型渲染类获取各AI个体对应当前帧的第一基础结构体后,依据模型序列帧索引确定各AI个体对应的帧数,然后对各AI个体模型进行渲染,得到当前帧的各AI个体模型。
由上述描述可知,依据序列帧渲染得到各个帧对应的模型,实现快速渲染获取群集AI的动画效果。
进一步的,所述行为对象包括路径跟随行为、聚集行为和逃离行为。
由上述描述可知,能够实现各种行为的群集AI效果。
进一步的,依据各AI个体的具体行为对象分别创建对应的两个以上的具体行为结构体,并将所述两个以上的具体行为结构体加入行为对象列表中。
由上述描述可知,能够实现一群集AI中部分个体执行不同具体行为,更具有真实性、灵动性以及多样性。
本发明提供的另一个技术方案为:
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现以下步骤:
AI行为管理类初始化第一基础结构体和第二基础结构体,所述第一基础结构体存储包括位移、旋转和状态的信息,所述第二基础结构体存储包括加速度和速度的信息;
依据各AI个体的行为对象创建相应的具体行为结构体,并将所述行为对象加入AI行为管理类的行为对象列表中;
对AI群集进行每帧更新时,遍历调用所述行为对象列表包含的行为对象对应的算法使用ComputeShader对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体进行计算,得到各AI个体对应当前帧的第二基础结构体;
通过ComputeShader对第一基础结构体和对应当前帧的第二基础结构体进行计算,得到各个AI个体对应当前帧的第一基础结构体。
进一步的,所述程序被处理器执行时还实现以下步骤:
获取各AI个体对应当前帧的第一基础结构体;
依据所述第一基础结构体对各AI个体对应当前帧的状态进行设置。
进一步的,所述程序被处理器执行时还实现以下步骤:
创建各AI个体的模型序列帧;
创建一模型渲染类,所述模型渲染类存储有各AI个体的模型序列帧索引;
所述模型渲染类获取各AI个体对应当前帧的第一基础结构体后,依据模型序列帧索引确定各AI个体对应的帧数,然后对各AI个体模型进行渲染,得到当前帧的各AI个体模型。
进一步的,所述行为对象包括路径跟随行为、聚集行为和逃离行为。
进一步的,所述程序被处理器执行时还实现以下步骤:
依据各AI个体的具体行为对象分别创建对应的两个以上的具体行为结构体,并将所述两个以上的具体行为结构体加入行为对象列表中。
实施例一
请参照图2,本实施例提供一种Unity中基于ComputerShader实现高效群集AI的方法,适用于支持ComputeShader的Unity3D平台上,能够实现高效模拟大量的智能的群体运动行为,如鱼群、鸟群、蜂群运动等,且同时保证良好运行效率,具备最佳呈现效果,更具灵动性。
具体的,本实施例可以包括以下步骤:
一、AI行为管理类初始化第一基础结构体和第二基础结构体,所述第一基础结构体存储包括位移、旋转和状态的信息,所述第二基础结构体存储包括加速度和速度的信息。
具体的,可以通过unity脚本创建AI行为管理类(ClusterAI)和行为基类(Steer);通过AI行为管理类创建并初始化第一基础结构体(Particle)和第二基础结构体(State)。
二、依据各AI个体的行为对象创建相应的具体行为结构体,并将所述行为对象加入AI行为管理类的行为对象列表中。
具体的,本实施例以想要渲染得到鱼群执行路径跟随行为为例,则需要对应创建一个路径跟随行为结构体,用于存储路径索引、相对位置和路径进度信息。
通过具体行为类(继承自行为基类)初始化具体行为结构体(SteerData),设置缓冲区大小,行为权重(决定该行为的影响力度)等;行为基类中存储有对应具体行为结构体的算法,传递给ComputeShader用于更新第一基础结构体和第二基础结构体的计算。所述具体行为类负责初始化具体行为结构体,并在计算前为ComputeShader设置好变量环境。以路径跟随行为为例,需要设置路径点数组,速度,时间等变量参数。
若想呈现集群执行单一具体行为的动画效果,可以依据想要呈现的群集行为,如路径跟随行为、逃离行为或聚集行为,创建对应的具体行为结构体,然后将其加入到AI行为管理类的行为对象列表中。如创建路径跟随行为(以下命名为FollowSteer),初始化对应的路径跟随行为结构体,并把路径跟随行为结构体该加入到AI行为管理类的行为对象列表中。
优选的,还可以依据各AI个体的具体行为对象分别创建对应的两个以上的具体行为结构体,并将所述两个以上的具体行为结构体加入行为对象列表中,实现一个群集内的部分个体执行不同的具体行为,丰富群集表现,更具灵动性和多样性。如想鱼群中的大部分鱼执行路径跟随行为,而其他鱼执行逃离行为,则对应同时创建路径跟随行为、逃离行为以及对应行为数据结构体,并分别给他们分配权重以确定两种行为的执行力度比例,或者在State中添加一个状态变量,用于决定哪些行为被执行。
三、对AI群集进行每帧更新时,遍历调用所述行为对象列表包含的行为对象对应的算法使用ComputeShader对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体进行计算,得到各AI个体对应当前帧的第二基础结构体。
具体的,若想得到第一帧对应的第一基础结构体和第二基础结构体,则直接对初始化的第一基础结构体和第二基础结构体进行计算获取;每一次的计算结果将作为下一次更新计算的基础。
Unity会在每帧更新时自动调用AI行为管理类的Update方法,在ClusterAI.Update中会遍历调用行为对象列表Steers中每个具体行为的Compute方法进行计算,得出相应的第二基础结构体。
本实施例的行为对象列表中假设只有一个路径跟随行为FollowSteer,则在将Particle、State、SteerData和路径相关参数传入FollowSteer.Compute(具体行为计算的程序)方法,然后通过FollowPathSteer.compute进行计算;FollowPathSteer.compute并行计算出每条鱼这一帧对应的速度和加速度信息,然后更新到第二基础结构体中;在遍历Steers结束后,State中存储的就是这一帧每条鱼的速度和加速度。
S4:通过ComputeShader对第一基础结构体和对应当前帧的第二基础结构体进行计算,得到各个AI个体对应当前帧的第一基础结构体。
具体的,在计算得到这一帧每条鱼的速度和加速度信息后,再将其连同上一帧的位移、旋转和状态信息传入Motion.compute(位移计算的程序)进行并行计算,得出每个个体这一帧的位移、旋转和状态信息,并更新到第一基础结构体中。
S5:获取各AI个体对应当前帧的第一基础结构体;依据所述第一基础结构体对各AI个体对应当前帧的状态进行设置。
具体的,将第一基础结构体的数据取出,用于设置每一条鱼在这一帧的位移和旋转。
实施例二
本实施例基于实施例一的Unity中基于ComputerShader实现高效群集AI的方法,提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现对应实施例一方法的步骤,所述步骤包括:
AI行为管理类初始化第一基础结构体和第二基础结构体,所述第一基础结构体存储包括位移、旋转和状态的信息,所述第二基础结构体存储包括加速度和速度的信息;
依据各AI个体的行为对象创建相应的具体行为结构体,并将所述行为对象加入AI行为管理类的行为对象列表中;
优选的,若想呈现不同行为的表现形式,则上述步骤还包括:依据各AI个体的具体行为对象分别创建对应的两个以上的具体行为结构体,并将所述两个以上的具体行为结构体加入行为对象列表中;
对AI群集进行每帧更新时,遍历调用所述行为对象列表包含的行为对象对应的算法使用ComputeShader对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体进行计算,得到各AI个体对应当前帧的第二基础结构体;
通过ComputeShader对第一基础结构体和对应当前帧的第二基础结构体进行计算,得到各个AI个体对应当前帧的第一基础结构体。
获取各AI个体对应当前帧的第一基础结构体;
依据所述第一基础结构体对各AI个体对应当前帧的状态进行设置。
优选的,所述获取各AI个体对应当前帧的第一基础结构体;依据所述第一基础结构体对各AI个体对应当前帧的状态进行设置的实现过程可以包括以下步骤:
创建各AI个体的模型序列帧;
创建一模型渲染类,所述模型渲染类存储有各AI个体的模型序列帧索引;
所述模型渲染类获取各AI个体对应当前帧的第一基础结构体后,依据模型序列帧索引确定各AI个体对应的帧数,然后对各AI个体模型进行渲染,得到当前帧的各AI个体模型。
优选的,所述行为对象包括路径跟随行为、聚集行为和逃离行为等行为。
综上所述,本发明提供的Unity中基于ComputerShader实现高效群集AI的方法及一种计算机可读存储介质,不仅能够实现通过ComputeShader利用GPU强大的并行计算能力,为上千个个体添加各种智能行为,同时保证良好运行效率;而且能实现在一聚集行为中呈现不同具体行为的表现形式,使最终效果更具真实性、灵动性和多样性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.Unity中基于ComputerShader实现高效群集AI的方法,其特征在于,包括:
AI行为管理类初始化第一基础结构体和第二基础结构体,所述第一基础结构体存储包括位移、旋转和状态的信息,所述第二基础结构体存储包括加速度和速度的信息;
依据各AI个体的行为对象创建相应的具体行为结构体,并将所述行为对象加入AI行为管理类的行为对象列表中;
对AI群集进行每帧更新时,遍历调用所述行为对象列表包含的行为对象对应的算法使用ComputeShader对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体进行计算,得到各AI个体对应当前帧的第二基础结构体;
通过ComputeShader对第一基础结构体和对应当前帧的第二基础结构体进行计算,得到各个AI个体对应当前帧的第一基础结构;
还包括:
创建各AI个体的模型序列帧;
创建一模型渲染类,所述模型渲染类存储有各AI个体的模型序列帧索引;
所述模型渲染类获取各AI个体对应当前帧的第一基础结构体后,依据模型序列帧索引确定各AI个体对应的帧数,然后对各AI个体模型进行渲染,得到当前帧的各AI个体模型。
2.如权利要求1所述的Unity中基于ComputerShader实现高效群集AI的方法,其特征在于,还包括:
获取各AI个体对应当前帧的第一基础结构体;
依据所述第一基础结构体对各AI个体对应当前帧的状态进行设置。
3.如权利要求1所述的Unity中基于ComputerShader实现高效群集AI的方法,其特征在于,所述行为对象包括路径跟随行为、聚集行为和逃离行为。
4.如权利要求1所述的Unity中基于ComputerShader实现高效群集AI的方法,其特征在于,依据各AI个体的具体行为对象分别创建对应的两个以上的具体行为结构体,并将所述两个以上的具体行为结构体加入行为对象列表中。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现以下步骤:
AI行为管理类初始化第一基础结构体和第二基础结构体,所述第一基础结构体存储包括位移、旋转和状态的信息,所述第二基础结构体存储包括加速度和速度的信息;
依据各AI个体的行为对象创建相应的具体行为结构体,并将所述行为对象加入AI行为管理类的行为对象列表中;
对AI群集进行每帧更新时,遍历调用所述行为对象列表包含的行为对象对应的算法使用ComputeShader对上一帧的第一基础结构体、第二基础结构体以及当前行为对象对应的具体行为结构体进行计算,得到各AI个体对应当前帧的第二基础结构体;
通过ComputeShader对第一基础结构体和对应当前帧的第二基础结构体进行计算,得到各个AI个体对应当前帧的第一基础结构体;
所述程序被处理器执行时还实现以下步骤:
创建各AI个体的模型序列帧;
创建一模型渲染类,所述模型渲染类存储有各AI个体的模型序列帧索引;
所述模型渲染类获取各AI个体对应当前帧的第一基础结构体后,依据模型序列帧索引确定各AI个体对应的帧数,然后对各AI个体模型进行渲染,得到当前帧的各AI个体模型。
6.如权利要求5所述的计算机可读存储介质,其特征在于,所述程序被处理器执行时还实现以下步骤:
获取各AI个体对应当前帧的第一基础结构体;
依据所述第一基础结构体对各AI个体对应当前帧的状态进行设置。
7.如权利要求5所述的计算机可读存储介质,其特征在于,所述行为对象包括路径跟随行为、聚集行为和逃离行为。
8.如权利要求5所述的计算机可读存储介质,其特征在于,所述程序被处理器执行时还实现以下步骤:
依据各AI个体的具体行为对象分别创建对应的两个以上的具体行为结构体,并将所述两个以上的具体行为结构体加入行为对象列表中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710654971.1A CN107609631B (zh) | 2017-08-03 | 2017-08-03 | Unity中实现群集AI的方法、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710654971.1A CN107609631B (zh) | 2017-08-03 | 2017-08-03 | Unity中实现群集AI的方法、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107609631A CN107609631A (zh) | 2018-01-19 |
CN107609631B true CN107609631B (zh) | 2020-08-18 |
Family
ID=61064219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710654971.1A Active CN107609631B (zh) | 2017-08-03 | 2017-08-03 | Unity中实现群集AI的方法、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107609631B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930479B (zh) * | 2018-09-03 | 2024-03-15 | 福建天晴数码有限公司 | 一种Unity中模型动画快速渲染的方法及终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005473A (zh) * | 2015-06-29 | 2015-10-28 | 乐道互动(天津)科技有限公司 | 一种用于开发3d游戏的游戏引擎系统 |
CN105056528A (zh) * | 2015-07-23 | 2015-11-18 | 珠海金山网络游戏科技有限公司 | 一种虚拟角色的移动方法及装置 |
CN106861190A (zh) * | 2017-02-16 | 2017-06-20 | 网易(杭州)网络有限公司 | Ai构建方法及装置、游戏控制方法及装置、ai系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100414506C (zh) * | 2006-07-19 | 2008-08-27 | 中国科学院计算技术研究所 | 一种虚拟人群运动仿真系统 |
CN102208111B (zh) * | 2011-06-09 | 2013-03-06 | 河海大学 | 群体动画运动控制系统及方法 |
CN102426691A (zh) * | 2011-10-24 | 2012-04-25 | 克拉玛依红有软件有限责任公司 | 一种基于gpu的实时火焰效果的模拟方法 |
CN102982506A (zh) * | 2012-11-13 | 2013-03-20 | 沈阳信达信息科技有限公司 | 基于gpu的粒子系统优化 |
US9117284B2 (en) * | 2012-12-19 | 2015-08-25 | Nvidia Corporation | Asynchronous compute integrated into large-scale data rendering using dedicated, separate computing and rendering clusters |
CN103136778B (zh) * | 2013-01-28 | 2015-09-30 | 吉林纪元时空动漫游戏科技股份有限公司 | 基于自主缓存系统的电影级别群组动画制作方法 |
CN105635806B (zh) * | 2015-12-28 | 2018-12-28 | 北京像素软件科技股份有限公司 | 群体运动场景的渲染方法 |
-
2017
- 2017-08-03 CN CN201710654971.1A patent/CN107609631B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005473A (zh) * | 2015-06-29 | 2015-10-28 | 乐道互动(天津)科技有限公司 | 一种用于开发3d游戏的游戏引擎系统 |
CN105056528A (zh) * | 2015-07-23 | 2015-11-18 | 珠海金山网络游戏科技有限公司 | 一种虚拟角色的移动方法及装置 |
CN106861190A (zh) * | 2017-02-16 | 2017-06-20 | 网易(杭州)网络有限公司 | Ai构建方法及装置、游戏控制方法及装置、ai系统 |
Non-Patent Citations (1)
Title |
---|
云图 鸟群移动和动物群体移动;z7232124;《游戏蛮牛》;20160114;第1-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107609631A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11491400B2 (en) | Method, apparatus, and device for scheduling virtual objects in virtual environment | |
WO2020220915A1 (zh) | 虚拟对象显示方法、装置、电子设备及存储介质 | |
CN111008449A (zh) | 一种用于战场仿真环境下深度强化学习推演决策训练的加速方法 | |
CN110992495B (zh) | 一种虚拟模型的变形方法及装置 | |
CN111028317B (zh) | 虚拟对象的动画生成方法、装置、设备及存储介质 | |
US20230334744A1 (en) | Method and apparatus for generating walk animation of virtual role, device and storage medium | |
CN102385762B (zh) | 集成Modelica的三维视景仿真系统 | |
US20240037839A1 (en) | Image rendering | |
CN111773688B (zh) | 柔性对象的渲染方法和装置、存储介质、电子装置 | |
CN111773690B (zh) | 任务的处理方法和装置、存储介质、电子装置 | |
KR102096196B1 (ko) | 모델 오브젝트 구성 방법, 서버, 및 시스템 | |
CN107609631B (zh) | Unity中实现群集AI的方法、存储介质 | |
CN111369647A (zh) | 信息处理方法及装置、计算机存储介质、电子设备 | |
Lees et al. | Agents, games and HLA | |
Rahman et al. | Towards accelerated agent-based crowd simulation for Hajj and Umrah | |
CN104866373B (zh) | 基于跨平台技术的实时操作系统仿真方法 | |
CN112933604B (zh) | 强化学习模型处理方法、装置、计算机设备和存储介质 | |
CN109871553B (zh) | 一种针对分子动力仿真模型的并行化加速方法 | |
CN112825197B (zh) | Unity中群集动画快速渲染的方法、存储介质 | |
CN111443806B (zh) | 交互任务的控制方法、装置、电子设备及存储介质 | |
US10864434B2 (en) | Simulation of multiple connected bodies for real-time application | |
Zhou et al. | Efficient and robust learning on elaborated gaits with curriculum learning | |
Sampson et al. | Birds on the wall: Distributing a process-oriented simulation | |
Fukuda | Mass: Parallel-computing library for multi-agent spatial simulation | |
Liang et al. | Parallel gym gazebo: a scalable parallel robot deep reinforcement learning platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |