CN107890674A - Ai行为调用方法和装置 - Google Patents

Abstract

本发明实施例提供一种AI行为调用方法和装置，应用于终端设备，所述终端设备中存储有AI行为数据库和多个AI行为执行体，且各AI行为执行体预设有对应的性格标签，该方法包括检测并获取AI行为执行体的当前状态参数，并从所述AI行为数据库中选取符合所述AI行为执行体的性格标签的多个AI行为，作为第一AI行为集；针对该第一AI行为集中的每个AI行为，根据预设评估规则对第一AI行为集中的每个AI行为进行评分，从各评分中选取符合预设阈值的评分；将该符合预设阈值的评分对应的AI行为作为AI行为执行体所要执行的AI行为。本发明能够有效提高AI行为选取过程中的智能化，并使得各AI行为执行体更加逼真和人性化，以改善玩家的游戏体验。

Description

AI行为调用方法和装置

技术领域

本发明涉及游戏开发技术领域，具体而言，涉及一种AI行为调用方法和装置。

背景技术

在许多网络游戏中，游戏AI(Artificial Intelligence，人工智能)行为都是通过预设行为树的方式进行的，导致行为选取死板，缺乏灵活性且人性化程度较低，无法满足玩家在游戏过程中需要的更加人性化或智能化的游戏体验。

发明内容

有鉴于此，本发明提供一种AI行为调用方法和装置，能够有效解决上述问题。

本发明较佳实施例提供一种AI行为调用方法，应用于终端设备，所述终端设备中存储有AI行为数据库和多个AI行为执行体，且各AI行为执行体预设有对应的性格标签，所述AI行为调用方法包括：

检测并获取AI行为执行体的当前状态参数，并从所述AI行为数据库中选取符合所述AI行为执行体的性格标签的多个AI行为，作为第一AI行为集；

针对该第一AI行为集中的每个AI行为，根据预设评估规则对第一AI行为集中的每个AI行为进行评分，从各评分中选取符合预设阈值的评分；

将该符合预设阈值的评分对应的AI行为作为AI行为执行体所要执行的AI行为。

在本发明较佳实施例的选择中，该状态参数包括自身状态参数和环境参数。

在本发明较佳实施例的选择中，根据预设评估规则对第一AI行为集中的每个AI行为进行评分的步骤包括：

针对所述第一AI行为集中的每个AI行为，调用与当前状态参数匹配的权重值；

针对各AI行为对应的权重值计算其在当前状态参数下的评分值。

在本发明较佳实施例的选择中，根据预设评估规则对第一AI行为集中的每个AI行为进行评分的步骤包括：

根据所述自身状态参数分析所述AI行为执行体当前状态；

从所述第一AI行为集中选取与所述AI行为执行体的自身状态参数匹配的AI行为，作为第二AI行为集；

针对所述第二AI行为集中的每个AI行为，调用与环境参数匹配的权重值；

根据各AI行为对应的权重值分别计算其在当前环境参数下的评分值。

在本发明较佳实施例的选择中，从各评分中选取符合预设阈值的评分的步骤包括：

对各评分进行比较并选取最大值对应的AI行为作为符合预设阈值的评分。

在本发明较佳实施例的选择中，所述性格标签包括激进型、冲动型、中庸型、保守型、冒险型、刻板型、稳重型、理智型中的一种或多种。

本发明较佳实施例还提供一种AI行为调用装置，应用于终端设备，所述终端设备中存储有AI行为数据库和多个AI行为执行体，且各AI行为执行体预设有对应的性格标签，所述AI行为调用装置包括：

行为选取模块；检测并获取AI行为执行体的当前状态参数，并从所述AI行为数据库中选取符合所述AI行为执行体的性格标签的多个AI行为，作为第一AI行为集；

评分计算模块，用于针对该第一AI行为集中的每个AI行为，根据预设评估规则对第一AI行为集中的每个AI行为进行评分，从各评分中选取符合预设阈值的评分；

行为执行模块，用于将该符合预设阈值的评分对应的AI行为作为AI行为执行体所要执行的AI行为。

在本发明较佳实施例的选择中，该状态参数包括自身状态参数和环境参数。

在本发明较佳实施例的选择中，所述评分计算模块包括：

第一调用单元，用于针对所述第一AI行为集中的每个AI行为，调用与当前状态参数匹配的权重值；

第一计算单元，用于针对各AI行为对应的权重值计算其在当前状态参数下的评分值。

在本发明较佳实施例的选择中，所述评分计算模块包括：

状态分析单元，用于根据所述自身状态参数分析所述AI行为执行体当前状态；

选取单元，用于从所述第一AI行为集中选取与所述AI行为执行体的自身状态参数匹配的AI行为，作为第二AI行为集；

第二调用单元，用于针对所述第二AI行为集中的每个AI行为，调用与环境参数匹配的权重值；

第二计算单元，用于根据各AI行为对应的权重值分别计算其在当前环境参数下的评分值。

与现有技术相比，本发明提供一种AI行为调用方法和装置，其中，基于各AI行为执行体的性格和其当前的状态参数，选取更加符合每个AI行为执行体的AI行为，能够有效提高AI行为选取过程中的智能化，并使得各AI行为执行体更加逼真和人性化，以进一步改善玩家的游戏体验。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的AI行为调用方法和装置的应用场景示意图。

图2为本发明实施例提供的AI行为调用方法的流程示意图。

图3为本发明实施例提供的AI行为调用方法的子流程示意图。

图4为本发明实施例提供的AI行为调用方法的另一子流程示意图。

图5为本发明实施例提供的AI行为调用装置的方框结构示意图。

图标：10-终端设备；100-AI行为调用装置；110-行为选取模块；120-评分计算模块；130-行为执行模块；200-存储器；300-存储控制器；400-处理器。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

如图1所示，为本发明实施例提供的应用AI行为调用方法和装置的终端设备10的结构示意图，其中，该终端设备10包括AI行为调用装置100、存储器200、存储控制器300以及处理器400。其中，所述存储器200、存储控制器300、处理器400各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件之间通过一条或多条通讯总线或信号线实现电性连接。所述AI行为调用装置100包括至少一个可以软件或固件的形式存储于所述存储器200中或固化在所述终端设备10的操作系统中的软件功能模块。所述处理器400在所述存储控制器300的控制下访问所述存储器200，以用于执行所述存储器200中存储的可执行模块，例如所述AI行为调用装置100所包括的软件功能模块及计算机程序等。可选地，所述终端设备10可以是，但不限于智能手机、IPAD、电脑、服务器等。

应当理解，图1所示的结构仅为示意。所述终端设备10可以具有比图1所示更多或者更少的组件，或者具有与图1所示不同的配置。其中，图1所示的各组件可以由软件、硬件或者其组合实现。

首先需要说明的是，根据实际需求，由于不同性格的角色对于同一事物时所采用的行为可能不同，或者不同性格采用相同的行为时达到的效果也可能不同。例如，在游戏过程中需要从上(危险系数高，敌兵少)、中(危险系数适中，敌兵数量适中)、下(危险系数低，敌兵数量多)三路中选择分路时，若所述AI执行体的性格为激进型，则该AI执行体可能会选择人少的上路前进，若其性格为中庸型，则可能选择危险系数适中的中路前进，不走任何一条路，而若其性格为懦弱型，则可能犹豫不决导致一个都不选。因此，为了能够使得在游戏过程中，向玩家提供更加丰富、更加逼真且更加人性化的游戏体验，本实施例给出一种基于性格标签进行行为选取的AI行为调用方法。

具体地，如图2所示，是本发明较佳实施例提供的一种AI行为调用方法的流程示意图。所述AI行为调用方法应用于图1中所示的终端设备10。下面将结合图2对所述AI行为调用方法的具体流程及步骤进行详细阐述。

步骤S110，检测并获取AI行为执行体的当前状态参数，并从所述AI行为数据库中选取符合所述AI行为执行体的性格标签的多个AI行为，作为第一AI行为集。

其中，所述性格标签为预先存储于所述终端设备10中，并与各游戏角色一一对应。实际实施时，所述性格标签可以为激进型、冲动型、中庸型、保守型、冒险型、刻板型、稳重型、理智型中的一种或多种。具体地，所述性格标签可根据游戏角色(AI执行体)的实际情况进行设置，本实施例在此不做具体限制。另外，由于对于每一个AI行为执行体而言可能采用多种不同的AI行为，因此，在本实施例中，针对AI行为数据库中的多个AI行为，可先每个AI行为添加对应的一个或多个AI标签，以用于根据AI行为执行体的性格标签调用与其对应的AI行为，作为待待选AI行为。

进一步地，所述当前状态参数作为从所述第一AI行为集中选取待执行AI行为的判断标准，实际实施时，该当前状态参数可以包括，但不限于自身状态参数和环境参数等。其中，所述自身状态参数可以包括，但不限于自身的血量状态、技能状态、战斗力、装备等，所述环境参数可以包括，但不限于己方小兵情况、当前地理环境、敌方数量、敌方装备、地方战斗力等。

基于上述描述，在实际游戏过程中，在进行AI行为选择时，可首先根据所述AI行为执行体对应的性格标签选择可能执行的多个AI行为作为第一AI行为集，并进一步根据当前状态参数从该第一AI行为集中选取AI行为执行体所要执行的AI行为，以使得该AI行为执行体更加智能化和人性化。

步骤S120，针对该第一AI行为集中的每个AI行为，根据预设评估规则对第一AI行为集中的每个AI行为进行评分，从各评分中选取符合预设阈值的评分。

具体地，所述预设评估规则可以根据实际情况进行灵活设计，例如，本实施例中，当所述当前状态参数中存在多个子参数时，所述AI行为的选择需要综合考虑各个子参数的影响，具体如图3所示，所述步骤S120可通过以下子步骤实现。

子步骤S121，针对所述第一AI行为集中的每个AI行为，调用与当前状态参数匹配的权重值。

子步骤S122，针对各AI行为对应的权重值计算其在当前状态参数下的评分值。

具体地，所述权重值中包括与当前状态参数中多个子参数匹配的多个子权重值，实际实施时，针对所述第一AI行为集中的每个AI行为，通过与其对应的权重值对当前状态参数进行加权处理，从而得到各AI行为的评分值。例如，假设所述第一AI行为集中包括M和N两个AI行为，其中，M对应的权重值包括m₁、m₂、m₃、m₄、m₅；N对应的权重值包括n₁、n₂、n₃、n₄、n₅；且当前状态参数包括x₁、x₂、x₃、x₄、x₅、x₆、x₇、x₈；那么针对AI行为M的评分值可有F(M)＝m₁·x₁+m₂·x₃+m₄·x₄+m₅·x₇；针对AI行为N的评分值可有F(N)＝n₁·x₁+n₂·x₃+n₃·x₅+n₄·x₇+n₅·x₈，在此应理解，用于相乘的权重值(如n₁)和当前状态参数(如x₁)为一一对应，而未用于计算评分值的权重值或当前状态参数则为彼此不存在对关系。在此应注意，对于相同的AI行为，不同性格标签对应的权重值可以相同，也可以不同。

另外，为了进一步地提高游戏的逼真性，在实际实施时，除上述子步骤S121和子步骤S122的评分计算方式之外，如图4所示，本实施例中还给出了步骤S120的另一种实施方式，下面将结合图4对其进行详细介绍。

子步骤S123，根据所述自身状态参数分析所述AI行为执行体当前状态。

子步骤S124，从所述第一AI行为集中选取与所述AI行为执行体的自身状态参数匹配的AI行为，作为第二AI行为集。

其中，如上述步骤S110中所描述的，所述当前状态参数可以包括自身状态参数和环境参数，加之，所述AI执行体在执行AI行为时，可能由于自身当前状态不佳(如血量较少)导致能够释放的AI行为数量较少。因此，在对所述第一AI行为集中的各AI行为进行评分时，可首先根据所述AI行为执行体当前的自身状态参数对其自身状态进行分析，以从该第一AI行为集中筛选出符合其当前自身状态的AI行为保存为第二AI行为集。

子步骤S125，针对所述第二AI行为集中的每个AI行为，调用与环境参数匹配的权重值。

子步骤S126，根据各AI行为对应的权重值分别计算其在当前环境参数下的评分值。

本实施例中，子步骤S125-子步骤S126中对所述第二AI行为集中的各AI行为进行评分时，具体可参考子步骤S122中的描述，本实施例在此不再赘述。应理解，子步骤S122中需综合考虑自身状态参数和环境参数分别对应的权重值以计算第一AI行为集中的各AI行为的评分，而子步骤S126中仅需考虑环境参数分别对应的权重值即可，从而有效降低运算量。

步骤S130，将该符合预设阈值的评分对应的AI行为作为AI行为执行体所要执行的AI行为。

其中，所述预设阈值可根据实际情况进行灵活设计，例如，实际实施时，可以通过将各评分值与预设阈值进行比较，选取大于该预设阈值的AI行为作为所述AI执行体的行为进行释放。其中，若评分值大于预设阈值的AI行为为多个，那么可在其中随机选取一个或者将评分值最大的作为为AI行为执行体所要执行的AI行为，也可以是将多个AI行为按照评分值的大小依次释放等。优选地，本实施例中，可通过选取各评分值最高的高的AI行为作为所述AI执行体的行为进行释放等，本实施例在此不做具体限制。

进一步地，如图5所示，为本实例给出的应用于所述终端设备10的AI行为调用装置100的方框结构示意图，其中，该AI行为调用装置100包括行为选取模块110、评分计算模块120和行为执行模块130。

所述行为选取模块110，用于检测并获取AI行为执行体的当前状态参数，并从所述AI行为数据库中选取符合所述AI行为执行体的性格标签的多个AI行为，作为第一AI行为集；本实施例中，关于所述行为选取模块110的描述具体可参考对图2中所示的步骤S110的详细描述，也即，所述步骤S110可以由行为选取模块110执行。

所述评分计算模块120，用于针对该第一AI行为集中的每个AI行为，根据预设评估规则对第一AI行为集中的每个AI行为进行评分，从各评分中选取符合预设阈值的评分；本实施例中，关于所述评分计算模块120的描述具体可参考对图2中所示的步骤S120的详细描述，也即，所述步骤S120可以由评分计算模块120执行。可选地，本实施例中，所述评分计算模块120还可包括第一调用单元、第一计算单元、状态分析单元、选取单元、第二调用单元和第二计算单元。

所述第一调用单元，用于针对所述第一AI行为集中的每个AI行为，调用与当前状态参数匹配的权重值；本实施例中，关于所述第一调用单元的描述具体可参考对图3中所示的步骤S121的详细描述，也即，所述步骤S121可以由第一调用单元执行。

所述第一计算单元，用于针对各AI行为对应的权重值计算其在当前状态参数下的评分值。本实施例中，关于所述第一计算单元的描述具体可参考对图3中所示的步骤S122的详细描述，也即，所述步骤S122可以由第一计算单元执行。

所述状态分析单元，用于根据所述自身状态参数分析所述AI行为执行体当前状态；本实施例中，关于所述状态分析单元的描述具体可参考对图4中所示的步骤S123的详细描述，也即，所述步骤S123可以由状态分析单元执行。

所述选取单元，用于从所述第一AI行为集中选取与所述AI行为执行体的自身状态参数匹配的AI行为，作为第二AI行为集；本实施例中，关于所述选取单元的描述具体可参考对图4中所示的步骤S124的详细描述，也即，所述步骤S124可以由选取单元执行。

所述第二调用单元，用于针对所述第二AI行为集中的每个AI行为，调用与环境参数匹配的权重值；本实施例中，关于所述第二调用单元的描述具体可参考对图4中所示的步骤S125的详细描述，也即，所述步骤S125可以由第二调用单元执行。

所述第二计算单元，用于根据各AI行为对应的权重值分别计算其在当前环境参数下的评分值。本实施例中，关于所述第二计算单元的描述具体可参考对图4中所示的步骤S126的详细描述，也即，所述步骤S126可以由第二计算单元执行。

所述行为执行模块130，用于将该符合预设阈值的评分对应的AI行为作为AI行为执行体所要执行的AI行为。本实施例中，关于所述行为执行模块130的描述具体可参考对图2中所示的步骤S130的详细描述，也即，所述步骤S130可以由行为执行模块130执行。

综上所述，本发明提供一种AI行为调用方法和装置，其中，基于各AI行为执行体的性格和其当前的状态参数计算各AI行为的评分值，并根据各评分值选取符合每个AI行为执行体的AI行为，能够有效提高AI行为选取过程中的智能化，且使得各AI行为执行体更加逼真和人性化，进一步改善玩家的游戏体验。

在本发明的描述中，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其他方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的预设数量个实施例的装置、方法和计算机程序产品可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分。所述模块、程序段或代码的一部分包含一个或预设数量个用于实现规定的逻辑功能。

也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种AI行为调用方法，其特征在于，应用于终端设备，所述终端设备中存储有AI行为数据库和多个AI行为执行体，且各AI行为执行体预设有对应的性格标签，所述AI行为调用方法包括：

检测并获取AI行为执行体的当前状态参数，并从所述AI行为数据库中选取符合所述AI行为执行体的性格标签的多个AI行为，作为第一AI行为集；

针对该第一AI行为集中的每个AI行为，根据预设评估规则对第一AI行为集中的每个AI行为进行评分，从各评分中选取符合预设阈值的评分；

将该符合预设阈值的评分对应的AI行为作为AI行为执行体所要执行的AI行为。

2.根据权利要求1所述的AI行为调用方法，其特征在于，该状态参数包括自身状态参数和环境参数。

3.根据权利要求1或2所述的AI行为调用方法，其特征在于，根据预设评估规则对第一AI行为集中的每个AI行为进行评分的步骤包括：

针对所述第一AI行为集中的每个AI行为，调用与当前状态参数匹配的权重值；

针对各AI行为对应的权重值计算其在当前状态参数下的评分值。

4.根据权利要求2所述的AI行为调用方法，其特征在于，根据预设评估规则对第一AI行为集中的每个AI行为进行评分的步骤包括：

根据所述自身状态参数分析所述AI行为执行体当前状态；

从所述第一AI行为集中选取与所述AI行为执行体的自身状态参数匹配的AI行为，作为第二AI行为集；

针对所述第二AI行为集中的每个AI行为，调用与环境参数匹配的权重值；

根据各AI行为对应的权重值分别计算其在当前环境参数下的评分值。

5.根据权利要求1所述的AI行为调用方法，其特征在于，从各评分中选取符合预设阈值的评分的步骤包括：

对各评分进行比较并选取最大值对应的AI行为作为符合预设阈值的评分。

6.根据权利要求1所述的AI行为调用方法，其特征在于，所述性格标签包括激进型、冲动型、中庸型、保守型、冒险型、刻板型、稳重型、理智型中的一种或多种。

7.一种AI行为调用装置，其特征在于，应用于终端设备，所述终端设备中存储有AI行为数据库和多个AI行为执行体，且各AI行为执行体预设有对应的性格标签，所述AI行为调用装置包括：

行为选取模块，用于检测并获取AI行为执行体的当前状态参数，并从所述AI行为数据库中选取符合所述AI行为执行体的性格标签的多个AI行为，作为第一AI行为集；

评分计算模块，用于针对该第一AI行为集中的每个AI行为，根据预设评估规则对第一AI行为集中的每个AI行为进行评分，从各评分中选取符合预设阈值的评分；

行为执行模块，用于将该符合预设阈值的评分对应的AI行为作为AI行为执行体所要执行的AI行为。

8.根据权利要求7所述的AI行为调用装置，其特征在于，该状态参数包括自身状态参数和环境参数。

9.根据权利要求7或8所述的AI行为调用装置，其特征在于，所述评分计算模块包括：

第一调用单元，用于针对所述第一AI行为集中的每个AI行为，调用与当前状态参数匹配的权重值；

第一计算单元，用于针对各AI行为对应的权重值计算其在当前状态参数下的评分值。

10.根据权利要求8所述的AI行为调用装置，其特征在于，所述评分计算模块包括：

状态分析单元，用于根据所述自身状态参数分析所述AI行为执行体当前状态；

选取单元，用于从所述第一AI行为集中选取与所述AI行为执行体的自身状态参数匹配的AI行为，作为第二AI行为集；

第二调用单元，用于针对所述第二AI行为集中的每个AI行为，调用与环境参数匹配的权重值；

第二计算单元，用于根据各AI行为对应的权重值分别计算其在当前环境参数下的评分值。