CN117398690A - 一种行程生成方法、装置、设备及介质 - Google Patents
一种行程生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117398690A CN117398690A CN202311364714.6A CN202311364714A CN117398690A CN 117398690 A CN117398690 A CN 117398690A CN 202311364714 A CN202311364714 A CN 202311364714A CN 117398690 A CN117398690 A CN 117398690A
- Authority
- CN
- China
- Prior art keywords
- attribute information
- attribute
- target
- behavior
- real
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims description 101
- 230000003993 interaction Effects 0.000 claims description 54
- 230000002787 reinforcement Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 11
- 230000036651 mood Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000007654 immersion Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- A63F13/55—Controlling game characters or game objects based on the game progress
- A63F13/56—Computing the motion of game characters with respect to other game characters, game objects or elements of the game scene, e.g. for simulating the behaviour of a group of virtual soldiers or for path finding
-
- 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
- A63F13/57—Simulating properties, behaviour or motion of objects in the game world, e.g. computing tyre load in a car race game
-
- 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
- A63F13/58—Controlling game characters or game objects based on the game progress by computing conditions of game characters, e.g. stamina, strength, motivation or energy level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种行程生成方法、装置、设备及介质，涉及游戏架构技术领域，该方法包括：获取目标角色的目标属性信息和实时属性信息；将目标属性信息和实时属性信息输入至行程生成模型中，得到与目标属性信息和实时属性信息对应的角色行程。由此，无需分别策划所有非玩家角色的所有游戏时间的行程，而仅通过将目标属性信息和实时属性信息输入至行程生成模型中即可得到对应的行程，节省了相关技术人员的时间和经历，提高了非游戏玩家的生成效率。
Description
技术领域
本申请涉及游戏架构技术领域，特别是涉及一种行程生成方法、装置、设备及介质。
背景技术
随着近年来大世界题材游戏的发展，用来讲述游戏世界观的氛围型非玩家角色(Non-Player Character，NPC)越来越引人关注，游戏用户可以通过观察非玩家角色提升游戏的沉浸感和体验感。其中，非玩家角色指的是游戏中不被游戏玩家占用的角色，非游戏角色可以与其他非玩家角色及游戏用户进行互动。
相关技术中，如果技术人员想在游戏中配置一个生动、真实的非玩家角色，就需要基于游戏世界观，去策划非玩家角色的所有游戏时间的语言、动作和行程等。
然而，在大世界题材游戏中需要配置数量极为庞大的非玩家角色，这需要消耗技术人员的大量时间和精力，导致生成非玩家角色的效率较低。
发明内容
本申请提供了一种行程生成方法、装置、设备及介质，能够提高非玩家角色的生成效率。
本申请公开了如下技术方案：
第一方面，本申请提供了一种行程生成方法，该方法包括：
获取目标角色的目标属性信息和实时属性信息；
将所述目标属性信息和所述实时属性信息输入至行程生成模型中，得到与所述目标属性信息和所述实时属性信息对应的角色行程。
可选的，所述行程生成模型通过如下方法构建：
获取非玩家角色的行为空间和属性信息，所述属性信息包括目标属性信息；
将所述行为空间和所述属性信息输入至强化学习模型，在通过所述强化学习模型对所述非玩家角色执行所述行为空间中的行为，得到实时属性信息之后，将所述实时属性信息和所述目标属性信息对比，若所述实时属性信息与所述目标属性信息不相等，则继续执行所述对所述非玩家角色执行所述行为空间中的行为的步骤，直至所述实时属性信息与所述目标属性信息相等时，训练行程生成模型完成。
可选的，所述方法还包括：
获取所述目标角色的行为空间，所述行为空间中包括第一交互行为；
获取所述目标角色的第一属性值，和，所述第一交互行为的基准属性值和属性参数趋势，所述第一属性值与所述第一交互行为对应；
若所述属性参数趋势为正相关且所述第一属性值大于所述属性基准值，或，所述属性参数为负相关且所述第一属性值小于所述属性基准值，则通过向所述目标角色发送第一指令，更新所述角色行程，所述第一指令表征命令所述目标角色执行所述第一交互行为。
可选的，所述方法还包括：
获取所述目标角色与其他角色的交互次数；
若在同一时间获取到的交互次数大于1，则停止所述目标角色与所述其他角色的交互。
可选的，所述方法还包括：
获取所述目标角色的职业信息；
根据所述职业信息对应的行为因素，更新所述角色行程。
第二方面，本申请提供了一种行程生成装置，该装置包括：信息获取模块、行程生成模块；
所述信息获取模块，用于获取目标角色的目标属性信息和实时属性信息；
所述行程生成模块，用于将所述目标属性信息和所述实时属性信息输入至行程生成模型中，得到与所述目标属性信息和所述实时属性信息对应的角色行程。
可选的，所述行程生成模型通过如下模块构建：
信息构建模块，用于获取非玩家角色的行为空间和属性信息，所述属性信息包括目标属性信息；
模型构建模块，用于将所述行为空间和所述属性信息输入至强化学习模型，在通过所述强化学习模型对所述非玩家角色执行所述行为空间中的行为，得到实时属性信息之后，将所述实时属性信息和所述目标属性信息对比，若所述实时属性信息与所述目标属性信息不相等，则继续执行所述对所述非玩家角色执行所述行为空间中的行为的步骤，直至所述实时属性信息与所述目标属性信息相等时，训练行程生成模型完成。
可选的，所述装置还包括：空间获取模块、属性获取模块和属性比较模块；
所述空间获取模块，用于获取所述目标角色的行为空间，所述行为空间中包括第一交互行为；
所述属性获取模块，用于获取所述目标角色的第一属性值，和，所述第一交互行为的基准属性值和属性参数趋势，所述第一属性值与所述第一交互行为对应；
所述属性比较模块，用于若所述属性参数趋势为正相关且所述第一属性值大于所述属性基准值，或，所述属性参数为负相关且所述第一属性值小于所述属性基准值，则通过向所述目标角色发送第一指令，更新所述角色行程，所述第一指令表征命令所述目标角色执行所述第一交互行为。
可选的，所述装置还包括：次数获取模块和交互停止模块；
所述次数获取模块，用于获取所述目标角色与其他角色的交互次数；
所述交互停止模块，用于若在同一时间获取到的交互次数大于1，则停止所述目标角色与所述其他角色的交互。
可选的，所述装置还包括：职业获取模块和行程更新模块；
所述职业获取模块，用于获取所述目标角色的职业信息；
所述行程更新模块，用于根据所述职业信息对应的行为因素，更新所述角色行程。
第三方面，本申请提供了一种行程生成设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述计算机程序时实现上述行程生成方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现上述行程生成方法的步骤。
相较于现有技术，本申请具有以下有益效果：
本申请提供了一种行程生成方法、装置、设备及介质，该方法包括：获取目标角色的目标属性信息和实时属性信息；将目标属性信息和实时属性信息输入至行程生成模型中，得到与目标属性信息和实时属性信息对应的角色行程。由此，无需分别策划所有非玩家角色的所有游戏时间的行程，而仅通过将目标属性信息和实时属性信息输入至行程生成模型中即可得到对应的行程，节省了相关技术人员的时间和经历，提高了非游戏玩家的生成效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1A为本申请实施例提供的一种行程生成方法的流程图；
图1B为本申请实施例提供的一种行程表的示意图；
图1C为本申请实施例提供的一种非玩家角色交互的示意图；
图1D为本申请实施例提供的另一种非玩家角色交互的示意图；
图2为本申请实施例提供的一种行程生成装置的示意图；
图3为本申请实施例提供的一种计算机可读介质的示意图；
图4为本申请实施例提供的一种服务器的硬件结构示意图。
具体实施方式
正如前文描述，随着近年来大世界题材游戏的发展，用来讲述游戏世界观的氛围型非玩家角色越来越引人关注，游戏用户可以通过观察非玩家角色提升游戏的沉浸感和体验感。
相关技术中，如果技术人员想在游戏中配置一个生动、真实的非玩家角色，就需要基于游戏世界观，去策划非玩家角色的所有游戏时间的语言、动作和行程等。然而，在大世界题材游戏中需要配置数量极为庞大的非玩家角色，这需要消耗技术人员的大量时间和精力，导致生成非玩家角色的效率较低。
有鉴于此，本申请公开了一种行程生成方法、装置、设备及介质，该方法包括：获取目标角色的目标属性信息和实时属性信息；将目标属性信息和实时属性信息输入至行程生成模型中，得到与目标属性信息和实时属性信息对应的角色行程。由此，无需分别策划所有非玩家角色的所有游戏时间的行程，而仅通过将目标属性信息和实时属性信息输入至行程生成模型中即可得到对应的行程，节省了相关技术人员的时间和经历，提高了非游戏玩家的生成效率。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1A，该图为本申请实施例提供的一种行程生成方法的流程图。该方法包括：
S101：设置非玩家角色的行为空间和属性信息。
行为空间指的是非玩家角色的可选行为的集合。示例性的，行为空间可以是转圈、跳跃、卧倒等行为的集合。对于每个行为，都需要设置与行为对应的非玩家角色职业类型、行为执行时间区间、行为执行地点类型、行为执行所需能力、行为执行所需行为模板和交互模板、行为执行对属性的要求值，和，行为执行后非玩家角色属性的变化值中的一种或多种行为因素。
示例性的，若行为是隐身，那么需要设置隐身对应的非玩家角色职业类型为忍者。若行为是睡觉，那么需要设置睡觉对应的行为执行时间区间为22时至6时。若行为是钓鱼，那么需要设置钓鱼对应的行为执行地点类型是河边。需要说明的是，对于具体的行为空间和行为因素，本申请不做限定。
属性信息可以指的是职业信息、可选属性信息等。其中，职业信息指的是非玩家角色的职业，需要设定职业信息从而通过职业信息生成行程表的原因是，除了少数对职业没有特殊要求的通用行为外，大多数的特定行为都需要是非玩家角色是相应的职业才能执行。因此，不同职业的非玩家角色会根据职业对应的不同特定行为生成不同的行程表。
可选属性信息指的是需要设置属性值的属性，例如财富属性、心情属性和武力属性等。需要设定可选属性信息从而通过可选属性信息生成行程表的原因是，随着属性值的变化，即使是同一非玩家角色也可能执行不同的行为，形成不同的行程表。
需要说明的是，上述可选属性信息支持目标分段，也就是可选属性信息可以包括实时属性信息和目标属性信息。实时属性信息指的是非玩家角色当下的属性信息，目标属性信息指的是非玩家角色希望达成的属性信息。示例性的，若忍者角色的实时武力属性值为1000，目标武力属性值为10000，那么后续可以根据该目标武力属性值和实时武力属性值的差距，生成行程表。
S102：根据行为空间和属性信息训练强化学习模型，得到行程生成模型。
参见图1B，该图为本申请实施例提供的一种行程表的示意图。非玩家角色的行程表指的是非游戏玩家在一天24小时中，需要在什么时间、什么地点、执行什么任务。通过设置非玩家角色的行为空间和属性信息，可以生成非玩家角色的行程表。
在一些具体的实现方式中，可以通过训练强化学习模型，得到行程生成模型后，基于行程生成模型生成非玩家角色的行程表。该强化学习模型中包括DQN(Deep Q-Network)算法，DQN算法是专门用于解决复杂状态空间的连续决策问题。
具体的，可以首先将非玩家角色的行为空间和属性信息进行编码后输入强化学习模型。其次，通过强化学习模型对非玩家角色执行行为空间中的行为，得到实时属性信息。随后，将实时属性信息和目标属性信息进行对比，若二者不相等，则继续执行上述的通过强化学习模型对非玩家角色执行行为空间中的行为的步骤，直至实时属性信息和目标属性信息二者相等。当二者相等时，表示已经训练强化学习模型完毕，可以得到行程生成模型，并基于行程生成模型生成行程表。
S103：将目标角色的目标属性信息和实时属性信息输入至行程生成模型中，得到与目标属性信息和实时属性信息对应的角色行程。
在建立好行程生成模型后的任意时间，都可以将目标角色的目标属性信息和实时属性信息输入至行程生成模型中，得到与目标属性信息和实时属性信息对应的角色行程。
示例性的，训练好的行程生成模型可以达到如下的效果：非玩家角色A的实时财富值较低，实时心情值和实时武力值正常，而他的目标是成为一个富有的人，将财富值达到10000。此时，在非玩家角色A所对应的行为空间中有一个行为A，行为A对应的行为执行后非玩家角色属性的财富变化值为1000，但同事心情值和武力值会下降500。根据上述信息，行程生成模型在为非玩家角色A安排行程表时会选择行为A，但与此同时也会选择一些增加心情值和武力值的动作，避免心情值和武力值偏离目标。在这种安排下，用户会观察到非玩家角色A通过自己的辛勤工作成长为一个富有的、财富值达到10000人，可以增加用户的游戏沉浸感，且该过程由于使用了行程生成模型，则不需要策划投入大量精力。
S104：根据行为因素和交互因素，更新角色行程。
可以理解的是，行程表只是在逻辑上确定了非玩家角色的行为内容，在游戏内的具体表现中，也就是实际执行中，还要由行为所附加的行为因素和交互因素来决定。需要说明的是，上述的行为因素和交互因素的底层是由行为树开发的，相关技术人员可以事先对所有行为进行分类，对每一类行为开发一个因素模板，这样可以减少重复开发的工作量。
其中，行为因素决定了非玩家角色的寻路、行走、是否避让等动作上的细节。那么在实际应用中，需要先获取到目标角色的职业信息后，根据职业信息对应的行为因素更新角色行程。示例性的，若非玩家角色A的职业是伐木工，那么在非玩家角色A的寻路、行走、是否避让等动作上可以携带锯子等工具包。
交互因素则主要控制非玩家角色的交互逻辑，比如非玩家角色想要和谁进行交互，想要进行什么类型的交互等。参见图1C，该图为本申请实施例提供的一种非玩家角色交互的示意图。具体的，目标非玩家角色与其他非玩家角色是否会产生交互是具有其概率的。交互对于每个属性所需要配置的参数有两个：属性基准值(数值)和属性参数趋势(正相关或是负相关)。
示例性的，假设非玩家角色的属性A的数值为M，交互I对于属性A的属性基准值为N，那么交互I在属性A上发生的概率会有以下四种情况：第一，当参数趋势为正相关且M大于N时概率P为100％；第二，当参数趋势为正相关且M小于N时概率P＝M/N；第三，当参数趋势为负相关且M小于N时概率P为100％；第四，当参数趋势为负相关且M大于N时概率P＝(100-M)/(100-N)。可以理解的是，若P＝100％，则需要向非玩家角色发送第一指令，从而更新非玩家角色的角色行程，该第一指令指的是命令非玩家角色执行第一交互行为的指令。
其中，属性基准值为N可以是技术人员提前预设好的，也可以是根据目标非玩家角色周围的其他非玩家角色实时计算得到的，对此，本申请不做限定。
需要说明的是，在游戏进行过程中，还可以持续获取目标非玩家角色与其他非玩家角色的交互次数。若同一时间获取到的交互次数大于1，则停止目标非玩家角色与其他非玩家角色的交互，或，只保留非玩家角色与任意一个其他非玩家角色的交互。
另外，上述交互因素中还可以考虑到地点因素或天气因素等。参见图1D，该图为本申请实施例提供的另一种非玩家角色交互的示意图。具体的，当有非玩家角色进入设定好的地点(例如圆台)后就会触发事件，这个事件会以固定间隔往指定范围内非玩家角色的动作列表中插入指定优先级的动作，如果插入动作的优先级高于当前正在执行的动作，那么会中断当前动作立即执行插入的动作，并且还支持事件结束时删除。相应的，此外事件触发也可以绑定在天气的切换上。通过考虑地点因素或天气因素，可以实现圆台上有人时非玩家角色自发围观跳舞，和，下雨时非玩家角色自发回家的功能。
综上所述，本申请公开了一种行程生成方法，该方法包括：获取目标角色的目标属性信息和实时属性信息；将目标属性信息和实时属性信息输入至行程生成模型中，得到与目标属性信息和实时属性信息对应的角色行程。由此，无需分别策划所有非玩家角色的所有游戏时间的行程，而仅通过将目标属性信息和实时属性信息输入至行程生成模型中即可得到对应的行程，节省了相关技术人员的时间和经历，提高了非游戏玩家的生成效率。
参见图2，该图为本申请实施例提供的一种行程生成装置的示意图。该行程生成装置200包括：信息获取模块201和行程生成模块202；
具体的，信息获取模块201，用于获取目标角色的目标属性信息和实时属性信息；行程生成模块202，用于将目标属性信息和实时属性信息输入至行程生成模型中，得到与目标属性信息和实时属性信息对应的角色行程。
在一些具体的实现方式中，行程生成模型通过如下模块构建：信息构建模块，用于获取非玩家角色的行为空间和属性信息，属性信息包括目标属性信息；模型构建模块，用于将行为空间和属性信息输入至强化学习模型，在通过强化学习模型对非玩家角色执行行为空间中的行为，得到实时属性信息之后，将实时属性信息和目标属性信息对比，若实时属性信息与目标属性信息不相等，则继续执行对非玩家角色执行行为空间中的行为的步骤，直至实时属性信息与目标属性信息相等时，训练行程生成模型完成。
在一些具体的实现方式中，该行程生成装置200还包括：空间获取模块、属性获取模块和属性比较模块；
具体的，空间获取模块，用于获取目标角色的行为空间，行为空间中包括第一交互行为；属性获取模块，用于获取目标角色的第一属性值，和，第一交互行为的基准属性值和属性参数趋势，第一属性值与第一交互行为对应；属性比较模块，用于若属性参数趋势为正相关且第一属性值大于属性基准值，或，属性参数为负相关且第一属性值小于属性基准值，则通过向目标角色发送第一指令，更新角色行程，第一指令表征命令目标角色执行第一交互行为。
在一些具体的实现方式中，该行程生成装置200还包括：次数获取模块和交互停止模块；
具体的，次数获取模块，用于获取目标角色与其他角色的交互次数；交互停止模块，用于若在同一时间获取到的交互次数大于1，则停止目标角色与其他角色的交互。
在一些具体的实现方式中，该行程生成装置200还包括：职业获取模块和行程更新模块；
具体的，职业获取模块，用于获取目标角色的职业信息；行程更新模块，用于根据职业信息对应的行为因素，更新角色行程。
综上所述，本申请公开了一种行程生成装置，通过该装置无需分别策划所有非玩家角色的所有游戏时间的行程，而仅通过将目标属性信息和实时属性信息输入至行程生成模型中即可得到对应的行程，节省了相关技术人员的时间和经历，提高了非游戏玩家的生成效率。
参见图3，该图为本申请实施例提供的一种计算机可读介质的示意图。该计算机可读介质300上存储有计算机程序311，该计算机程序311被处理器执行时实现上述图1A的行程生成方法的步骤。
需要说明的是，本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
需要说明的是，本申请上述的机器可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
参见图4，该图为本申请实施例提供的一种服务器的硬件结构示意图，该服务器400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)422(例如，一个或一个以上处理器)和存储器432，一个或一个以上存储应用程序440或数据444的存储介质430(例如一个或一个以上海量存储设备)。其中，存储器432和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器422可以设置为与存储介质430通信，在服务器400上执行存储介质430中的一系列指令操作。
服务器400还可以包括一个或一个以上电源426，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口458，和/或，一个或一个以上操作系统441，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。
上述实施例中由行程生成方法所执行的步骤可以基于该图4所示的服务器结构。
还需要说明的，根据本申请的实施例，上述图1A中的流程示意图描述的行程生成方法的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行上述图1A的流程示意图中所示的方法的程序代码。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种行程生成方法，其特征在于，所述方法包括：
获取目标角色的目标属性信息和实时属性信息；
将所述目标属性信息和所述实时属性信息输入至行程生成模型中，得到与所述目标属性信息和所述实时属性信息对应的角色行程。
2.根据权利要求1所述的方法，其特征在于，所述行程生成模型通过如下方法构建：
获取非玩家角色的行为空间和属性信息，所述属性信息包括目标属性信息；
将所述行为空间和所述属性信息输入至强化学习模型，在通过所述强化学习模型对所述非玩家角色执行所述行为空间中的行为，得到实时属性信息之后，将所述实时属性信息和所述目标属性信息对比，若所述实时属性信息与所述目标属性信息不相等，则继续执行所述对所述非玩家角色执行所述行为空间中的行为的步骤，直至所述实时属性信息与所述目标属性信息相等时，训练行程生成模型完成。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标角色的行为空间，所述行为空间中包括第一交互行为；
获取所述目标角色的第一属性值，和，所述第一交互行为的基准属性值和属性参数趋势，所述第一属性值与所述第一交互行为对应；
若所述属性参数趋势为正相关且所述第一属性值大于所述属性基准值，或，所述属性参数为负相关且所述第一属性值小于所述属性基准值，则通过向所述目标角色发送第一指令，更新所述角色行程，所述第一指令表征命令所述目标角色执行所述第一交互行为。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标角色与其他角色的交互次数；
若在同一时间获取到的交互次数大于1，则停止所述目标角色与所述其他角色的交互。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标角色的职业信息；
根据所述职业信息对应的行为因素，更新所述角色行程。
6.一种行程生成装置，其特征在于，所述装置包括：信息获取模块和行程生成模块；
所述信息获取模块，用于获取目标角色的目标属性信息和实时属性信息；
所述行程生成模块，用于将所述目标属性信息和所述实时属性信息输入至行程生成模型中，得到与所述目标属性信息和所述实时属性信息对应的角色行程。
7.根据权利要求6所述的装置，其特征在于，所述行程生成模型通过如下模块构建：
信息构建模块，用于获取非玩家角色的行为空间和属性信息，所述属性信息包括目标属性信息；
模型构建模块，用于将所述行为空间和所述属性信息输入至强化学习模型，在通过所述强化学习模型对所述非玩家角色执行所述行为空间中的行为，得到实时属性信息之后，将所述实时属性信息和所述目标属性信息对比，若所述实时属性信息与所述目标属性信息不相等，则继续执行所述对所述非玩家角色执行所述行为空间中的行为的步骤，直至所述实时属性信息与所述目标属性信息相等时，训练行程生成模型完成。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：空间获取模块、属性获取模块和属性比较模块；
所述空间获取模块，用于获取所述目标角色的行为空间，所述行为空间中包括第一交互行为；
所述属性获取模块，用于获取所述目标角色的第一属性值，和，所述第一交互行为的基准属性值和属性参数趋势，所述第一属性值与所述第一交互行为对应；
所述属性比较模块，用于若所述属性参数趋势为正相关且所述第一属性值大于所述属性基准值，或，所述属性参数为负相关且所述第一属性值小于所述属性基准值，则通过向所述目标角色发送第一指令，更新所述角色行程，所述第一指令表征命令所述目标角色执行所述第一交互行为。
9.一种行程生成设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1至5中任一项所述的方法的各个步骤。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至5任一项所述的方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311364714.6A CN117398690B (zh) | 2023-10-20 | 2023-10-20 | 一种行程生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311364714.6A CN117398690B (zh) | 2023-10-20 | 2023-10-20 | 一种行程生成方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117398690A true CN117398690A (zh) | 2024-01-16 |
| CN117398690B CN117398690B (zh) | 2024-04-09 |
Family
ID=89492103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311364714.6A Active CN117398690B (zh) | 2023-10-20 | 2023-10-20 | 一种行程生成方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117398690B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109499068A (zh) * | 2018-11-14 | 2019-03-22 | 腾讯科技（深圳）有限公司 | 对象的控制方法和装置、存储介质、电子装置 |
| CN112973127A (zh) * | 2021-03-17 | 2021-06-18 | 北京畅游创想软件技术有限公司 | 一种游戏3d场景编辑方法及装置 |
| KR20230032519A (ko) * | 2021-08-31 | 2023-03-07 | 한양대학교 산학협력단 | 목표 위치로 이동하는 캐릭터의 동작 정보 생성 방법 및 컴퓨터 장치 |
| KR102588141B1 (ko) * | 2022-10-13 | 2023-10-12 | 주식회사 승화기술 | 드론 영상정보를 이용한 딥러닝 기반 구조물 손상 점검 방법 |
-
2023
- 2023-10-20 CN CN202311364714.6A patent/CN117398690B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109499068A (zh) * | 2018-11-14 | 2019-03-22 | 腾讯科技（深圳）有限公司 | 对象的控制方法和装置、存储介质、电子装置 |
| CN112973127A (zh) * | 2021-03-17 | 2021-06-18 | 北京畅游创想软件技术有限公司 | 一种游戏3d场景编辑方法及装置 |
| KR20230032519A (ko) * | 2021-08-31 | 2023-03-07 | 한양대학교 산학협력단 | 목표 위치로 이동하는 캐릭터의 동작 정보 생성 방법 및 컴퓨터 장치 |
| KR102588141B1 (ko) * | 2022-10-13 | 2023-10-12 | 주식회사 승화기술 | 드론 영상정보를 이용한 딥러닝 기반 구조물 손상 점검 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117398690B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11938403B2 (en) | Game character behavior control method and apparatus, storage medium, and electronic device | |
| US20240135251A1 (en) | Artificial intelligence controller that procedurally tailors itself to an application | |
| CN110134375B (zh) | 游戏角色行为的控制方法、装置及可读存储介质 | |
| CN114247141A (zh) | 虚拟场景中任务引导方法、装置、设备、介质及程序产品 | |
| CN103577704A (zh) | 游戏系统中npc处理事件的方法及装置 | |
| US20200122031A1 (en) | Remote Networked Services for Providing Contextual Information | |
| CN112215364A (zh) | 一种基于强化学习的敌-友深度确定性策略方法及系统 | |
| CN109011580A (zh) | 残局牌面获取方法、装置、计算机设备及存储介质 | |
| CN113209612A (zh) | 虚拟场景中的建筑处理方法、装置、电子设备及存储介质 | |
| CN115581922A (zh) | 游戏角色控制方法、装置、存储介质以及电子设备 | |
| Fu | Simulation-based algorithms for Markov decision processes: Monte Carlo tree search from AlphaGo to AlphaZero | |
| KR102244777B1 (ko) | 공간이원화를 이용하여 스포츠 게임의 플레이어 캐릭터를 육성하는 방법 및 시스템 | |
| CN111701246A (zh) | 一种游戏ai的决策配置方法和装置 | |
| CN117398690B (zh) | 一种行程生成方法、装置、设备及介质 | |
| CN111330282A (zh) | 一种确定出牌候选项的方法及装置 | |
| CN114797107A (zh) | 一种基于npc行为的随机处理方法、系统、电子设备及计算机程序产品 | |
| CN114681920A (zh) | 基于玩家行为影响的npc行为表现方法、装置、电子设备及计算机程序产品 | |
| JP2022090853A (ja) | ビデオゲーム処理プログラム、及びビデオゲーム処理システム | |
| CN112765242A (zh) | 基于游戏树搜索算法的决策模型数据处理方法及系统 | |
| JP6632948B2 (ja) | ネットワークゲームシステム | |
| US20240123344A1 (en) | Method and apparatus for game role interaction control, storage medium, and electronic device | |
| US11654360B2 (en) | Non-transitory computer-readable medium and video game processing system | |
| Raymond et al. | Leveraging efficient planning and lightweight agent definition: a novel path towards emergent narrative | |
| US20240123347A1 (en) | Game interactive control method and apparatus, storage medium and electronic device | |
| CN114681919B (zh) | 一种基于npc相互行为影响npc表现方法、装置、介质及电子设备 |
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 |