CN111346382B - 用于确定虚拟目标对象的方法、装置及系统 - Google Patents
用于确定虚拟目标对象的方法、装置及系统 Download PDFInfo
- Publication number
- CN111346382B CN111346382B CN202010107536.9A CN202010107536A CN111346382B CN 111346382 B CN111346382 B CN 111346382B CN 202010107536 A CN202010107536 A CN 202010107536A CN 111346382 B CN111346382 B CN 111346382B
- Authority
- CN
- China
- Prior art keywords
- target object
- virtual target
- candidate virtual
- dynamic
- list
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/55—Controlling game characters or game objects based on the game progress
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/80—Special adaptations for executing a specific game genre or game mode
- A63F13/822—Strategy games; Role-playing games
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/60—Methods for processing data by generating or executing the game program
- A63F2300/6027—Methods for processing data by generating or executing the game program using adaptive systems learning from user actions, e.g. for skill level adjustment
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
- A63F2300/807—Role playing or strategy games
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Processing Or Creating Images (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供了一种用于确定虚拟目标对象的方法、装置及系统,该方法包括:获取候选虚拟目标对象列表;对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分;以及基于每个候选虚拟目标对象的动态评分,从所述候选虚拟目标对象列表中确定目标对象。本发明提供的用于确定虚拟目标对象的方法、装置及系统,通过实时扫描周围环境找到候选目标的集合并对集合中的每个候选目标进行动态评分,使得AI能够根据动态评分排序以及自身的行为逻辑更灵活和智能地选择目标对象。
Description
技术领域
本发明涉及计算机技术领域,更具体地,涉及一种用于确定虚拟目标对象的方法、装置及系统。
背景技术
在互联网应用(例如,游戏应用)中,如何帮助AI选择合适的目标对象进行探索、追踪或是攻击,是非常常见及重要的一个步骤。然而,以游戏应用为例,在当前的各种PVE(Player vs.Environment,玩家vs环境)玩法中,AI目标对象选择技术比较单一,通常有如下几种方式:a)选择最先感知的对象;b)选择预先指定的感兴趣对象;以及c)选择预定范围内的随机对象等。这些方式通常实现比较简单,对于简单AI(例如,动物等)来说已经有可以接受的表现。但对于能够自由思考的高级AI(例如,智能体等),可能会存在以下问题:缺乏动态目标评价机制:AI一旦选定某个目标对象之后,除非该目标对象死亡或者强行调用切换目标对象接口,否则会一直追踪该固定目标对象;缺少全局目标分配机制:一群AI围攻某个目标对象致死,而其余目标对象却无人问津;对目标对象状态无认知:攻击某个难以致死的目标对象,而忽略身边造成高伤害的其他对象。因此,需要一种更智能的目标对象的确定方法,通过实时扫描周围环境找到疑似目标对象的集合并对集合中的每个疑似目标对象进行动态评分,使得AI能够根据动态评分排序以及自身的行为逻辑更灵活和智能地选择目标对象。
发明内容
本发明的实施例提供了一种用于确定虚拟目标对象的方法,所述方法包括:获取候选虚拟目标对象列表;对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分;以及基于每个候选虚拟目标对象的动态评分,从所述候选虚拟目标对象列表中确定目标对象。
根据本发明的实施例,其中,所述获取候选虚拟目标对象列表包括:对于至少一个对象感知通道,获取每个对象感知通道所感知的可感知对象;基于每个对象感知通道所感知的可感知对象,得到所述候选虚拟目标对象列表,其中,所述至少一个对象感知通道包括以下中的至少一个:视觉感知通道、听觉感知通道、受击感知通道以及共享感知通道。
根据本发明的实施例,其中,所述获取候选虚拟目标对象列表还包括:获取预先配置的特定类型对象和/或历史目标对象;其中,基于每个对象感知通道所感知的可感知对象,得到所述候选虚拟目标对象列表包括:基于每个对象感知通道所感知的可感知对象、所述预先配置的特定类型对象和/或历史目标对象,得到所述候选虚拟目标对象列表。
根据本发明的实施例,其中,获取预先配置的特定类型对象包括:确定所述预先配置的特定类型对象是否位于第一预定范围内;以及在所述预先配置的特定类型对象位于所述第一预定范围内的情况下,将所述预先配置的特定类型对象添加到所述候选虚拟目标对象列表中。
根据本发明的实施例,其中,获取历史目标对象包括:在所述历史目标对象未出现在所述对象感知通道所感知的可感知对象中,且也未出现在所述预先配置的特定类型对象中的情况下,确定所述历史目标对象的失踪时间,并且确定所述历史目标对象是否位于第二预定范围内;以及在所述历史目标对象的失踪时间未超过预设时间阈值、和/或所述历史目标对象位于所述第二预定范围之外的情况下,将所述历史目标对象添加到所述候选虚拟目标对象列表中。
根据本发明的实施例,其中,所述至少一个对象感知通道为至少两个对象感知通道,并且每个对象感知通道具有不同的优先级,在多于一个对象感知通道感知到同一对象的情况下,将其中具有最高优先级的对象感知通道作为所述对象的对象感知通道。
根据本发明的实施例,其中,对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分包括:对于所述候选虚拟目标对象列表中的每个候选虚拟目标对象,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值。
根据本发明的实施例,其中,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值包括:确定所述至少两个动态评分因子各自对应的动态子评分值;确定所述至少两个动态评分因子各自对应的权重因子;以及基于所述至少两个动态评分因子各自对应的动态子评分值以及各自对应的权重因子,生成该候选虚拟目标对象的动态评分值。
根据本发明的实施例,其中,所述至少两个动态评分因子包括以下中的至少两个:候选虚拟目标对象的类型因子、候选虚拟目标对象的感知结果因子、候选虚拟目标对象的距离因子、候选虚拟目标对象的可追踪度因子以及候选虚拟目标对象的威胁度因子。
根据本发明的实施例,其中,所述至少两个动态评分因子还包括:动态添加的自定义评分因子。
根据本发明的实施例,其中,基于每个候选虚拟目标对象的动态评分,从所述候选虚拟目标对象列表中确定目标对象包括:将所述候选虚拟目标对象列表中具有最大动态评分值的至少一个候选虚拟目标对象确定为所述目标对象。
本发明的实施例提供了一种用于确定虚拟目标对象的装置,所述装置包括:候选对象获取模块,被配置为获取候选虚拟目标对象列表;动态评分模块,被配置为对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分;以及目标对象确定模块,被配置为基于每个候选虚拟目标对象的动态评分,从所述候选虚拟目标对象列表中确定目标对象。
根据本发明的实施例,其中,对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分包括:对于所述候选虚拟目标对象列表中的每个候选虚拟目标对象,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值;其中,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值包括:确定所述至少两个动态评分因子各自对应的动态子评分值;确定所述至少两个动态评分因子各自对应的权重因子;以及基于所述至少两个动态评分因子各自对应的动态子评分值以及各自对应的权重因子,生成该候选虚拟目标对象的动态评分值。
本发明的实施例提供了一种用于确定虚拟目标对象的系统,所述系统包括:处理器;和存储器,其上存储有计算机可执行指令,所述指令在被处理器执行时用于实现如上所述的方法。
本发明的实施例提供了一种计算机可读存储介质,其上存储有计算机可执行指令,所述指令在被处理器执行时用于实现如上所述的方法。
本发明提供的用于确定虚拟目标对象的方法、装置及系统,通过实时扫描周围环境找到候选目标的集合并对集合中的每个候选目标进行动态评分,使得AI能够根据动态评分排序以及自身的行为逻辑更灵活和智能地选择目标对象。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些示例性实施例,对于本领域普通技术人员来说,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的附图。
图1示出了根据本发明实施例的用于确定虚拟目标对象的系统的应用场景的示意图。
图2示出了根据本发明实施例的一种用于确定虚拟目标对象的方法的流程图。
图3示出了根据本发明实施例的通过共享感知通道来感知对象的场景示意图。
图4示出了根据本发明实施例的示例PVE游戏场景的仇恨系统的实现步骤框图。
图5示出了根据本发明实施例的示例PVE游戏场景的仇恨系统的时序图。
图6示出了根据本发明实施例的一种用于确定虚拟目标对象的装置的示意图。
图7示出了根据本发明实施例的一种用于确定虚拟目标对象的系统的示意图。
在整个附图和详细描述中,除非另有说明,否则相同的附图标记将被理解为指代相同的元素、特征和结构。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。
在本说明书和附图中,具有基本上相同或相似步骤和元素用相同或相似的附图标记来表示,且对这些步骤和元素的重复描述将被省略。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性或排序。
在本说明书和附图中,根据实施例,元素以单数或复数的形式来描述。然而,单数和复数形式被适当地选择用于所提出的情况仅仅是为了方便解释而无意将本发明限制于此。因此,单数形式包括复数形式,并且复数形式也包括单数形式,除非上下文另有明确说明。
本发明的实施例涉及人工智能和AI感知等技术,以下介绍与本发明有关的概念。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。在本说明书中,AI可以指如上所述的一种能以人类智能相似的方式做出反应的现实或虚拟智能机器对象,例如,可以是游戏场景里面由计算机控制的特定虚拟角色。
AI感知(AI Perception):模拟人类的感知系统,通过听觉、视觉、受击、队友通知(手势或命令)等来发现敌人的一种方式。
刺激(Stimulus):触发感知的事件统称为刺激,可能是脚步声、开火声、玩家出现在视野范围中、友军受击、友军的广播信号等等。
仇恨值:对象的类型、对当前AI的攻击性操作、所处的位置或者状态等因素都可能导致AI对其的仇恨值提升。AI倾向于逼近和攻击仇恨值更高的目标对象。
下面,将结合附图对根据本发明的示例实施例进行描述。
图1示出了根据本发明实施例的用于确定虚拟目标对象的系统的应用场景100的示意图。
更具体地,图1示出了根据本发明实施例的一种示例PVE游戏场景。在如图1所示的PVE游戏场景中,可以存在互相对立的游戏双方。在一个实施例中,第一方可以包括一个或多个虚拟玩家对象(例如,虚拟玩家对象102、虚拟玩家对象103和虚拟玩家对象104),而第二方可以包括一个或多个AI(例如,AI 101)。第一方中的多个虚拟玩家对象可以分别对第二方中的AI 101发起攻击,而第二方中的AI 101可以感知各个虚拟玩家对象的存在,并基于特定规则或方法来从中选择一个或多个作为当前虚拟目标对象(例如,如图1所示将虚拟玩家对象102确定为当前要攻击的虚拟目标对象)并对其发起攻击。
然而,在当前的各种PVE玩法中,AI的目标对象选择方法较单一,通常有如下几种方式:a)选择AI最先感知到的对象;b)选择特定场景中预先指定的感兴趣对象;以及c)选择距AI预定范围内的随机对象等。这些方式通常实现比较简单,对于简单AI(例如,动物等)来说已经有可以接受的表现。但对于能够自由思考的高级AI(例如,智能体等),可能会存在以下问题:缺乏动态目标评价机制,例如,AI一旦选定某个目标对象之后,除非该目标对象死亡或者强行调用切换目标对象接口,否则会一直追踪该固定目标对象;缺少全局目标分配机制,例如,在第二方中存在多个AI的场景中,一群AI围攻某个目标对象(例如,玩家对象102)致死,而其余目标对象(例如,玩家对象103和104)却无人问津;对目标对象状态无认知,例如,AI 101持续攻击某个难以致死的目标对象,而忽略身边造成高伤害的其他对象。
基于此,本发明提出了一种更智能的目标对象的确定方法,通过实时扫描周围环境找到候选目标对象的集合并对集合中的每个候选目标对象进行动态评分,使得AI能够根据动态评分排序以及自身的行为逻辑更灵活和智能地选择目标对象,下面结合图2来具体描述。
图2示出了根据本发明实施例的一种用于确定虚拟目标对象的方法200的流程图。
如图2所示,在步骤S201中,获取候选虚拟目标对象列表。
在一个实施例中,获取候选虚拟目标对象列表可以包括:对于至少一个对象感知通道,获取每个对象感知通道所感知的可感知对象;基于每个对象感知通道所感知的可感知对象,得到所述候选虚拟目标对象列表,其中,所述至少一个对象感知通道包括以下中的至少一个:视觉感知通道、听觉感知通道、受击感知通道以及共享感知通道等。
具体地,仍以如图1所示的PVE游戏场景为例,AI 101可以通过一个或多个对象感知通道来感知其周围环境中的可感知对象(例如,玩家对象102、玩家对象103以及玩家对象104)的存在。在一个实施例中,AI 101可以通过视觉感知通道来感知可感知对象的存在。例如,可以以AI 101为中心,预先为AI 101在其正前方配置一个特定角度范围和距离范围的扇形视觉感知区域,若在该扇形视觉感知区域中的特定位置处发现特定对象,则在该位置处生成刺激,进而认为在该位置处感知到特定可感知对象的存在。在其他实施例中,还可以为AI 101配置任何其他形式的视觉感知区域,例如多个尺寸不同的扇形叠加而成的叠加扇形视觉感知区域等等,这里不做限制。
在一个实施例中,AI 101还可以通过听觉感知通道来感知可感知对象的存在。例如,可以预先为AI 101配置一个以AI 101为中心的特定距离为半径的听觉感知区域,若AI101在该听觉感知区域内听到对象发出的特定声音(例如,脚步声、开火声或说话声),则其可以通过声音传来的方位和大小判断具体的发声位置,并在该位置处生成刺激,进而认为在该位置处感知到特定可感知对象的存在。此外,还可以预先为每种声音类型设置对应的优先级,并且在同一位置处存在多种声音类型时,优先按照最高优先级的声音类型来在发声位置处生成刺激。例如可以分别为开火声、脚步声和说话声设置最高、第二和第三优先级,若在某一位置处同时存在开火声、脚步声和说话声,则根据开火声来在该位置处生成刺激。在其他实施例中,还可以为AI 101配置任何其他形式的听觉感知区域,例如,前方感知距离大于后方感知距离的不规则感知区域等等,这里不做限制。在其他实施例中,还可以首先通过听觉感知通道来感知发出声音的对象的方位,然后通过视觉感知通道来进一步确定该对象的具体距离和位置。
在一个实施例中,AI 101还可以通过受击感知通道来感知可感知对象的存在。例如,AI 101可以根据自身受到攻击的命中事件推测造成伤害的开火位置,并在此位置处生成刺激,进而认为在该位置处感知到特定可感知对象的存在。在其他实施例中,还可以首先通过受击感知通道来感知发起攻击的对象的方位,然后通过视觉感知通道来进一步确定该对象的具体距离和位置。
在一个实施例中,AI 101还可以通过共享感知通道来感知可感知对象的存在,如图3所示。图3示出了根据本发明实施例的通过共享感知通道来感知对象的场景示意图300。在如图3所示的实施例中,AI 101可以有一个或多个友方对象,例如,指挥官AI 302和其他AI 303。指挥官AI 302可以是被预先配置为比AI 101更高级的AI对象,可以获取更多关于当前游戏环境的全局信息(包括当前游戏环境中的部分或所有玩家对象的位置信息等),并实时地、周期性地或基于触发地向其指挥下的所有其他AI发送这些信息以及其他各种指令或命令。例如,指挥官AI 302可以实时监控玩家对象102、玩家对象103和玩家对象104的当前位置,并将各个玩家对象的位置信息共享给AI 101。其他AI 303可以是和AI 101类似的AI对象,其可以类似于AI 101通过各种感知通道感知到可感知对象的存在,并将感知到的对象的当前位置信息共享给其他友方对象。在这种场景下,如图3所示,AI 101可以实时地、周期性地或基于触发地监听场景中其他友方对象共享的信息。若AI 101判断监听到的对象位置信息来自于指挥官AI 302,则在该位置处生成刺激进而认为在该位置处感知到特定可感知对象的存在,而不管指挥官AI 302距AI 101的距离如何。若AI 101判断监听到的对象位置信息来自于其他AI 303,则进一步确定该其他AI 303是否在AI 101的预定监听范围内,若该其他AI 303在AI 101的预定监听范围内,则接收该对象位置信息并在该位置处生成刺激,进而认为在该位置处感知到特定可感知对象的存在,若该其他AI 303不在AI 101的预定监听范围内,则忽略该信息。
接下来,可以将通过上述一个或多个感知通道获取到的可感知对象添加到候选虚拟目标对象列表中。在一个存在至少两个对象感知通道的实施例中,可以对每个感知通道预先设置不同优先级,并且在多于一个对象感知通道感知到同一对象的情况下,将其中具有最高优先级的对象感知通道作为该对象的对象感知通道。
根据本发明的实施例,获取候选虚拟目标对象列表还可以包括:获取预先配置的特定类型对象和/或历史目标对象;其中,基于每个对象感知通道所感知的可感知对象,得到候选虚拟目标对象列表还可以包括:基于每个对象感知通道所感知的可感知对象、所述预先配置的特定类型对象和/或历史目标对象,得到所述候选虚拟目标对象列表。
具体地,在一个实施例中,还可以将预先配置的特定类型对象添加到候选虚拟目标对象列表中。例如,可以预先针对当前游戏环境中的一个或多个AI配置特定类型的对象。例如,特定类型对象可以包括针对特定AI配置的特定AI感兴趣对象(例如,仅AI 101感兴趣的对象)和针对所有AI配置的所有AI都感兴趣的全局特殊对象(例如,AI 101以及整个游戏环境内的所有指挥官AI 302和其他AI 303等都感兴趣的对象)。在一个实施例中,可以预先为每个AI配置针对预先配置的特定类型对象的第一预定范围(即,对预先配置的特定类型对象的感兴趣范围),并且可以确定预先配置的特定类型对象是否位于AI 101的该第一预定范围内。在该预先配置的特定类型对象位于AI 101的第一预定范围内的情况下,可以将该预先配置的特定类型对象添加到候选虚拟目标对象列表中。第一预定范围可以是以AI为中心、特定距离为半径的圆形范围,也可以是任何其他形式的范围。进一步地,还可以配置特定AI对某特定类型对象的感兴趣时间(例如,该特定AI仅在游戏开始的前30分钟内对某特定类型对象感兴趣),或者配置特定AI对某特定类型对象的感兴趣条件(例如,当该特定AI的生命值降低到一半过后才对某特定类型对象感兴趣)等等。
在一个实施例中,还可以将先前确定过的历史目标对象添加到候选虚拟目标对象列表中。历史目标对象可以是AI先前追踪过的特定目标对象。如果AI先前追踪过的某特定目标对象当前时刻没有出现在通过上述对象感知通道感知到的可感知对象当中,并且也没有出现在上述预先配置的特定类型对象中,则可以认为该特定目标对象当前已消失在该AI的已知环境中。此时,可以认为该特定目标对象是历史目标对象,并且可以将该特定目标对象最后出现的位置作为可疑目标位置。在一个实施例中,可以确定该特定目标对象的失踪时间,在该特定目标对象的失踪时间未超过预设的失踪时间阈值的情况下,可以将该特定目标对象添加到候选虚拟目标对象列表中。在一个实施例中,还可以确定该特定目标对象是否位于预先设置的AI的第二预定范围之外。第二预定范围可以是AI的逼近最小距离范围,即,若该特定目标对象最后出现的可疑目标位置在该第二预定范围内,可以说明AI距该可疑目标位置的距离已经足够小,以致AI已经可以明确地确定该位置处不存在目标对象,在这种情况下,可以不将该特定目标对象添加到候选虚拟目标对象列表中。相反,若该特定目标对象最后出现的可疑目标位置在该第二预定范围之外时,AI无法明确确定该可以位置处是否存在目标对象,在这种情况下,可以将该特定目标对象添加到候选虚拟目标对象列表中。在一个实施例中,还可以结合上述实施例,在特定目标对象的失踪时间未超过预设时间阈值、和/或该特定目标对象位于第二预定范围之外的情况下,将该特定目标对象添加到候选虚拟目标对象列表中。类似地,第二预定范围可以是以AI为中心、特定距离为半径的圆形范围,也可以是任何其他形式的范围。
如上所述,基于每个对象感知通道所感知的可感知对象、预先配置的特定类型对象和/或历史目标对象等,可以得到候选虚拟目标对象列表。
接下来,在步骤S202中,可以对候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分。
在一个实施例中,对于候选虚拟目标对象列表中的每个候选虚拟目标对象,可以基于一个或多个动态评分因子来生成该候选虚拟目标对象的动态评分值。在一个实施例中,该一个或多个动态评分因子可以包括:候选虚拟目标对象的类型因子、候选虚拟目标对象的感知结果因子、候选虚拟目标对象的距离因子、候选虚拟目标对象的可追踪度因子以及候选虚拟目标对象的威胁度因子。在一个实施例中,可以确定该一个或多个动态评分因子各自对应的动态子评分值,确定该一个或多个动态评分因子各自对应的权重因子,以及基于该一个或多个动态评分因子各自对应的动态子评分值以及各自对应的权重因子,生成该候选虚拟目标对象的动态评分值。
具体地,在一个实施例中,可以判断特定候选虚拟目标对象的类型(即,类型因子)。例如,可以判断该候选虚拟目标对象是否是历史目标对象,若是,则可以将与类型因子相对应的动态子评分值设置为1,否则,设为0;可以判断该候选虚拟目标对象是否是当前AI所感兴趣的对象或所有AI都感兴趣的全局特殊对象,若是,则将对应的动态子评分值设置为1,否则,设为0。
在一个实施例中,还可以判断特定候选虚拟目标对象是否是可感知对象(即,感知结果因子)。例如,若该特定候选虚拟目标对象能够通过上述一个或多个感知通道感知,则将能够感知到该对象的具有最高优先级的感知通道的配置值作为与感知结果因子相对应的动态子评分值;若该特定候选虚拟目标对象不能通过AI的任何感知通道感知,则可以将对应的动态子评分值设为0。
在一个实施例中,还可以判断特定候选虚拟目标对象距AI的距离(即,距离因子)。一般地,特定候选虚拟目标对象距AI的距离越近,可以为其设置更大的得分。因此,可以预先配置一个<距离,得分值>的函数,并根据特定候选虚拟目标对象距AI的距离来动态地计算与距离因子相对应的动态子评分值。
在一个实施例中,还可以判断特定候选虚拟目标对象的可追踪度(即,可追踪度因子)。例如,可以为该特定候选虚拟目标对象预先设定一个追踪令牌值(例如,5),每当正在追踪该对象的AI的数量增加一时,其当前令牌值可以减1,直到为0。例如某一时刻有4个AI正在同时追踪该对象,则其当前令牌值为1。在这种情况下,可以将该对象的令牌值剩余比例(即,1/5=0.2)作为与可追踪度因子相对应的动态子评分值。采用这种方法,可以在存在多个AI的场景中让AI更智能地、尽量分散地追踪不同的对象。
在一个实施例中,还可以判断特定候选虚拟目标对象对AI的威胁度(即,威胁度因子)。例如,仍以游戏场景为例,可以统计在特定时间段内每个候选虚拟目标对象对AI造成的伤害值,以及该特定时间段内所有候选虚拟目标对象对该AI造成的总伤害值。可以基于此对每个候选虚拟目标对象对AI造成的伤害值进行排序和归一化,并将该特定候选虚拟目标对象对AI造成的伤害的归一化值作为与威胁度因子相对应的动态子评分值。
此外,根据本发明的实施例,还可以根据具体应用场景或针对不同的AI类别动态的添加一个或多个其他的自定义评分因子。
在一个实施例中,还可以根据具体应用场景或针对不同的AI类别对上述的一个或多个动态评分因子预先配置不同的权重因子。例如,在如上所述的PVE游戏场景中,可以针对高级级别的AI(例如,关卡中的终极怪(BOSS)),将威胁度因子和距离因子赋予较大的权重,而其他因子赋予较小的权重;针对普通小怪级别的AI,可以将可追踪度因子赋予较大的权重,而其他因子赋予较小的权重,诸如此类。
基于通过以上方式得到的各动态子评分值以及各个动态评分因子对应的权重因子,可以计算(例如,求加权和)出特定候选虚拟目标对象的总的动态评分值,并且进而可以基于动态评分值对候选虚拟目标对象列表中的每个对象进行排序。
最后,在步骤S203中,可以基于每个候选虚拟目标对象的动态评分,从候选虚拟目标对象列表中确定目标对象。例如,可以基于上述计算,将候选虚拟目标对象列表中具有最大动态评分值的至少一个候选虚拟目标对象确定为目标对象。
下面,结合图4和图5来描述将方法200用于在PVE游戏场景中计算对象仇恨值的示例应用。
具体地,图4示出了根据本发明实施例的示例PVE游戏场景的仇恨系统的实现步骤框图400;图5示出了根据本发明实施例的示例PVE游戏场景的仇恨系统的时序图500。
如图4所示,示例仇恨系统的实现可以包括仇恨目标组成、仇恨因子评分以及最终目标选取三个步骤。
具体地,如图5所示,PVE游戏场景中的示例仇恨系统可以包括目标筛选器501、仇恨组件502、感知系统503以及仇恨因子评分器504。
在步骤S511中,目标筛选器501可以向仇恨组件502请求仇恨列表。仇恨组件502接收到请求之后,可以在步骤S512向感知系统503请求查看感知通道。感知系统在通过如上所述的各个感知通道对当前环境中的对象进行感知过后,可以在步骤S513向仇恨组件502返回包含所有感知到的对象的可感知对象列表。仇恨组件502可以将接收到的可感知对象列表中的每一个对象添加到仇恨列表中。在步骤S514中,仇恨组件502可以根据上文描述的方法进一步将特殊配置物件列表以及历史对象叠加到仇恨列表当中。在步骤S525处,仇恨组件502可以将仇恨列表中的所有对象发送到仇恨因子评分器504进行仇恨因子评分。仇恨因子评分器504可以根据上文描述的方法,基于类型因子、感知因子、距离因子、可追踪度因子、威胁度因子以及可动态添加的任何其他因子对仇恨列表中的每个对象进行评分,并在步骤S516中将评分结果返回仇恨组件502。接下来,在步骤S517中,仇恨组件502可以将其中每个对象都具有对应评分值的仇恨列表返回给目标筛选器501。最后,在步骤S518中,目标筛选器501可以基于仇恨列表中每个对象的对应评分值,根据预先配置的仇恨公式来选择最终目标。应当理解,在整个过程中,仇恨组件502处的仇恨列表更新、仇恨因子评分器504处的仇恨因子评分计算以及目标筛选器501处的根据仇恨公式选择最终目标的计算等都可以并行处理,从而提升系统的处理效率。
通过如图5所示的基于动态评分的AI仇恨系统,AI能够顺畅的进行目标对象间的切换,显得更为灵活和智能。并且该AI仇恨系统支持了PVE模式常见的各种仇恨关系,包括关卡的预设AI攻击目标、引怪道具等常见功能,都能够通过简单的配置变更达到预期效果。此外,在该AI仇恨系统的编辑过程中,策划可以自主调节预设的各仇恨因子的权重与计算方式,也能很方便的动态增加新的仇恨评分项以及调试,让AI的目标对象选择原因变得有迹可循。
图6示出了根据本发明实施例的一种用于确定虚拟目标对象的装置600的示意图。
如图6所示,根据本发明实施例的一种用于确定虚拟目标对象的装置600可以包括:候选对象获取模块601、动态评分模块602和目标对象确定模块603。其中,候选对象获取模块601可以被配置为获取候选虚拟目标对象列表;动态评分模块602可以被配置为对候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分;并且目标对象确定模块603可以被配置为基于每个候选虚拟目标对象的动态评分,从候选虚拟目标对象列表中确定目标对象。
在一个实施例中,对候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分可以包括:对于候选虚拟目标对象列表中的每个候选虚拟目标对象,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值。其中,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值可以包括:确定所述至少两个动态评分因子各自对应的动态子评分值;确定所述至少两个动态评分因子各自对应的权重因子;以及基于所述至少两个动态评分因子各自对应的动态子评分值以及各自对应的权重因子,生成该候选虚拟目标对象的动态评分值。
图7示出了根据本发明实施例的一种用于确定虚拟目标对象的系统700的示意图。
如图7所示,根据本发明实施例的用于确定虚拟目标对象的系统700可以包括处理器701以及存储器702,其可以通过总线703进行互联。
处理器701可以根据存储在存储器702中的程序或代码执行各种动作和处理。具体地,处理器701可以是一种集成电路芯片,具有信号的处理能力。上述处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中公开的各种方法、步骤、流程及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,可以是X86架构或者是ARM架构等。
存储器702存储有可执行指令,该指令在被处理器701执行时用于实现根据本发明实施例的用于确定虚拟目标对象的方法。存储器702可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(SDRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、增强型同步动态随机存取存储器(ESDRAM)、同步连接动态随机存取存储器(SLDRAM)和直接内存总线随机存取存储器(DR RAM)。应注意,本文描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本发明还提供了一种计算机可读存储介质,其上存储有计算机可执行指令,该计算机指令被处理器执行时可以实现根据本发明实施例的用于确定虚拟目标对象的方法。类似地,本发明实施例中的计算机可读存储介质可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。应注意,本文描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本发明的实施例提供了一种用于确定虚拟目标对象的方法、装置及系统,其通过实时扫描周围环境找到候选目标的集合并对集合中的每个候选目标进行动态评分,使得AI能够根据动态评分排序以及自身的行为逻辑更灵活和智能地选择目标对象。
需要说明的是,附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的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至少一个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,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,两个接连地表示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操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。
一般而言,本发明的各种示例实施例可以在硬件或专用电路、软件、固件、逻辑,或其任何组合中实施。某些方面可以在硬件中实施,而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。当本发明的实施例的各方面被图示或描述为框图、流程图或使用某些其他图形表示时,将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备,或其某些组合中实施。
在上面详细描述的本发明的示例实施例仅仅是说明性的,而不是限制性的。本领域技术人员应该理解,在不脱离本发明的原理和精神的情况下,可对这些实施例或其特征进行各种修改和组合,这样的修改应落入本发明的范围内。
Claims (14)
1.一种用于确定虚拟目标对象的方法,所述方法包括:
获取候选虚拟目标对象列表;
对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分;以及
基于每个候选虚拟目标对象的动态评分,从所述候选虚拟目标对象列表中确定目标对象,
其中,所述获取候选虚拟目标对象列表包括:
对于至少一个对象感知通道,获取每个对象感知通道所感知的可感知对象;
基于每个对象感知通道所感知的可感知对象,得到所述候选虚拟目标对象列表,
其中,所述至少一个对象感知通道包括以下中的至少一个:
视觉感知通道、听觉感知通道、受击感知通道以及共享感知通道。
2.根据权利要求1所述的方法,其中,所述获取候选虚拟目标对象列表还包括:
获取预先配置的特定类型对象和/或历史目标对象;
其中,基于每个对象感知通道所感知的可感知对象,得到所述候选虚拟目标对象列表包括:
基于每个对象感知通道所感知的可感知对象、所述预先配置的特定类型对象和历史目标对象,得到所述候选虚拟目标对象列表。
3.根据权利要求2所述的方法,其中,获取预先配置的特定类型对象包括:
确定所述预先配置的特定类型对象是否位于第一预定范围内;以及
在所述预先配置的特定类型对象位于所述第一预定范围内的情况下,将所述预先配置的特定类型对象添加到所述候选虚拟目标对象列表中。
4.根据权利要求2所述的方法,其中,获取历史目标对象包括:
在所述历史目标对象未出现在所述对象感知通道所感知的可感知对象中,且也未出现在所述预先配置的特定类型对象中的情况下,确定所述历史目标对象的失踪时间,并且确定所述历史目标对象是否位于第二预定范围之外;以及
在所述历史目标对象的失踪时间未超过预设时间阈值、和/或所述历史目标对象位于所述第二预定范围之外的情况下,将所述历史目标对象添加到所述候选虚拟目标对象列表中。
5.根据权利要求1所述的方法,其中,所述至少一个对象感知通道为至少两个对象感知通道,并且每个对象感知通道具有不同的优先级,
在多于一个对象感知通道感知到同一对象的情况下,将其中具有最高优先级的对象感知通道作为所述对象的对象感知通道。
6.根据权利要求1所述的方法,其中,对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分包括:
对于所述候选虚拟目标对象列表中的每个候选虚拟目标对象,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值。
7.根据权利要求6所述的方法,其中,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值包括:
确定所述至少两个动态评分因子各自对应的动态子评分值;
确定所述至少两个动态评分因子各自对应的权重因子;以及
基于所述至少两个动态评分因子各自对应的动态子评分值以及各自对应的权重因子,生成该候选虚拟目标对象的动态评分值。
8.根据权利要求6所述的方法,其中,所述至少两个动态评分因子包括以下中的至少两个:
候选虚拟目标对象的类型因子、候选虚拟目标对象的感知结果因子、候选虚拟目标对象的距离因子、候选虚拟目标对象的可追踪度因子以及候选虚拟目标对象的威胁度因子。
9.根据权利要求6所述的方法,其中,所述至少两个动态评分因子还包括:动态添加的自定义评分因子。
10.根据权利要求1所述的方法,其中,基于每个候选虚拟目标对象的动态评分,从所述候选虚拟目标对象列表中确定目标对象包括:
将所述候选虚拟目标对象列表中具有最大动态评分值的至少一个候选虚拟目标对象确定为所述目标对象。
11.一种用于确定虚拟目标对象的装置,所述装置包括:
候选对象获取模块,被配置为获取候选虚拟目标对象列表;
动态评分模块,被配置为对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分;以及
目标对象确定模块,被配置为基于每个候选虚拟目标对象的动态评分,从所述候选虚拟目标对象列表中确定目标对象,
其中,所述获取候选虚拟目标对象列表包括:
对于至少一个对象感知通道,获取每个对象感知通道所感知的可感知对象;
基于每个对象感知通道所感知的可感知对象,得到所述候选虚拟目标对象列表,
其中,所述至少一个对象感知通道包括以下中的至少一个:
视觉感知通道、听觉感知通道、受击感知通道以及共享感知通道。
12.根据权利要求11所述的装置,其中,对所述候选虚拟目标对象列表中的每个候选虚拟目标对象进行动态评分包括:
对于所述候选虚拟目标对象列表中的每个候选虚拟目标对象,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值;
其中,基于至少两个动态评分因子来生成该候选虚拟目标对象的动态评分值包括:
确定所述至少两个动态评分因子各自对应的动态子评分值;
确定所述至少两个动态评分因子各自对应的权重因子;以及
基于所述至少两个动态评分因子各自对应的动态子评分值以及各自对应的权重因子,生成该候选虚拟目标对象的动态评分值。
13.一种用于确定虚拟目标对象的系统,所述系统包括:
处理器;和
存储器,其上存储有计算机可执行指令,所述指令在被处理器执行时用于实现如权利要求1-10中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机可执行指令,所述指令在被处理器执行时用于实现如权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010107536.9A CN111346382B (zh) | 2020-02-21 | 2020-02-21 | 用于确定虚拟目标对象的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010107536.9A CN111346382B (zh) | 2020-02-21 | 2020-02-21 | 用于确定虚拟目标对象的方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111346382A CN111346382A (zh) | 2020-06-30 |
CN111346382B true CN111346382B (zh) | 2023-08-11 |
Family
ID=71188696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010107536.9A Active CN111346382B (zh) | 2020-02-21 | 2020-02-21 | 用于确定虚拟目标对象的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111346382B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010594B (zh) * | 2021-04-06 | 2023-06-06 | 深圳市思麦云科技有限公司 | 一种基于xr智慧学习平台 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348708B (zh) * | 2019-06-26 | 2021-01-01 | 北京理工大学 | 一种基于极限学习机的地面目标动态威胁评估方法 |
-
2020
- 2020-02-21 CN CN202010107536.9A patent/CN111346382B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111346382A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7187460B2 (ja) | キャラクターの配置方法及び装置、記憶媒体並びに電子装置 | |
Vail et al. | Multi-robot dynamic role assignment and coordination through shared potential fields | |
US8257173B2 (en) | System and method for driving artificial intelligence (AI) characters having continuous reevaluation of current goals and navigation path | |
CN111346382B (zh) | 用于确定虚拟目标对象的方法、装置及系统 | |
CN111084986B (zh) | 显示控制方法、装置、存储介质及电子装置 | |
CN111399743B (zh) | 游戏中的显示控制方法和装置 | |
US11395971B2 (en) | Auto harassment monitoring system | |
US11890542B2 (en) | Virtual object control method and apparatus, terminal, and storage medium | |
CN109062755A (zh) | 一种移动终端使用行为监测提醒方法、装置、介质和设备 | |
CN109925712B (zh) | 一种虚拟对象控制系统 | |
CN110478900A (zh) | 虚拟环境中的地图区域生成方法、显示方法及装置 | |
CN117730349A (zh) | 入侵检测方法和装置 | |
KR20190038730A (ko) | 가상의 크리켓 경기를 제어하는 제어 장치, 제어 방법 및 컴퓨터 프로그램 | |
CN113663335A (zh) | Fps游戏的ai模型训练方法、装置、设备和存储介质 | |
US10384142B2 (en) | Selecting infrared transmission modes based on user actions | |
Santoso et al. | Minimax guided reinforcement learning for turn-based strategy games | |
Maberry et al. | Using an artificial neural network to detect aim assistance in counter-strike: Global offensive | |
CN113577769B (zh) | 游戏角色动作控制方法、装置、设备和存储介质 | |
EP3950078B1 (en) | Virtual object control method and apparatus, and terminal and storage medium | |
CN107256174A (zh) | 人工智能的实现方法及装置 | |
Miles | How to Catch a Ninja | |
Asaf et al. | Visuo-motor interaction in the estimation of distance: athletes vs. no-athletes | |
US20190385369A1 (en) | Virtual reality | |
CN118022330A (zh) | 虚拟对象的互动方法、装置、设备、介质及程序产品 | |
da Silva Corrêa Pinto et al. | Extended behavior networks and agent personality: Investigating the design of character stereotypes in the game unreal tournament |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40024085 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |