申请/专利权人：成都格斗科技有限公司

申请日：2023-12-12

公开（公告）日：2024-03-08

公开（公告）号：CN117654053A

主分类号：A63F13/67

分类号：A63F13/67;A63F13/56;G06N3/092;G06F9/445

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明公开了一种基于人工智能的非玩家角色行为决策方法，涉及人工智能技术领域，包括：利用Unity构建游戏环境场景，导入ML‑Agents插件；添加智能体对象，对Agent组件的类重写，并为智能体对象添加重写后的Agent组件；在智能体对象上添加其他组件，以实现智能体的物理和动画效果；在智能体对象上添加Reward组件，并添加自定义的脚本对奖励逻辑进行定义；训练智能体对象，并优化所述智能体对象的行为策略；监控训练过程的奖励曲线和损失曲线，直到达到训练效果后，停止训练；将训练好的模型文件在Unity中带入智能体，从而得到满足训练目标的NPC。本发明实现高度智能和自适应的NPC行为，提高游戏的可玩性和沉浸感，并提升了训练速度和效果。

主权项：1.一种基于人工智能的非玩家角色行为决策方法，其特征在于，包括以下步骤：步骤1：利用Unity构建运行的游戏环境场景，并导入ML-Agents的插件；步骤2：在游戏环境场景中添加智能体对象，对Agent组件的类进行重写，并为所述智能体对象添加重写后的Agent组件，从而对智能体的观察、动作、奖励和策略的信息进行管理；步骤3：在智能体对象上添加其他组件，所述其他组件包括Rigidbody、Collider和Animator组件，以实现智能体的物理和动画效果；步骤4：在智能体对象上添加Reward组件，并添加自定义的脚本对智能体对象的奖励逻辑进行定义；步骤5：使用GPU加速技术通过强化学习算法在游戏环境场景中训练智能体对象，并优化所述智能体对象的行为策略；步骤6：使用tensor-board监控训练过程的奖励曲线和损失曲线，直到达到训练效果后，停止训练；步骤7：将训练好的模型文件在Unity中带入智能体，从而得到满足训练目标的NPC。

全文数据：

权利要求：

百度查询： 成都格斗科技有限公司 一种基于人工智能的非玩家角色行为决策方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD