用于控制游戏中的虚拟角色的方法和设备技术

本文描述了用于控制游戏中的虚拟角色的方法和设备。所述方法包括：获取游戏中虚拟角色当前所在的游戏场景的场景图像；利用经训练的目标检测网络检测场景图像中的目标对象的类别和位置，所述目标对象至少包括所述虚拟角色；响应于场景图像中存在虚拟角色之外的另外目标对象，基于检测到的目标对象的类别和位置确定场景图像的状态特征数据，所述状态特征数据表征每个另外目标对象与虚拟角色之间位置关系；将场景图像的状态特征数据输入动作输出模型以得到与场景图像对应的目标动作；控制虚拟角色在所述游戏场景中执行所述目标动作。

【技术实现步骤摘要】
用于控制游戏中的虚拟角色的方法和设备
本公开涉及游戏的
，具体地涉及用于控制游戏中的虚拟角色的方法和设备。
技术介绍
人工智能(ArtificialIntelligence,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。随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用。例如，目前在游戏开发及应用中，很多场景下都会用到人工智能，称为游戏人工智能，即游戏AI。例如，在游戏开发过程中，游戏AI可以替代测试人员的角色，通过游戏AI玩游戏获得测试数据，以实现游戏性能测试。再例如，在游戏应用过程中，游戏玩家在掉线或游戏人数不够的情况下，可以主动选择游戏AI来控制游戏角色与真人进行游戏。目前，主要是利用深度学习网络来实本文档来自技高网...

【技术保护点】
1.一种用于控制游戏中的虚拟角色的方法，包括：/n获取所述游戏中所述虚拟角色当前所在的游戏场景的场景图像；/n利用经训练的目标检测网络检测所述场景图像中的目标对象的类别和位置，所述目标对象至少包括所述虚拟角色；/n响应于所述场景图像中存在所述虚拟角色之外的另外目标对象，基于所述检测到的目标对象的类别和位置确定所述场景图像的状态特征数据，所述状态特征数据表征每个另外目标对象与所述虚拟角色之间位置关系；/n将所述场景图像的状态特征数据输入动作输出模型以得到与所述场景图像对应的目标动作；/n控制所述虚拟角色在所述游戏场景中执行所述目标动作。/n

【技术特征摘要】
1.一种用于控制游戏中的虚拟角色的方法，包括：
获取所述游戏中所述虚拟角色当前所在的游戏场景的场景图像；
利用经训练的目标检测网络检测所述场景图像中的目标对象的类别和位置，所述目标对象至少包括所述虚拟角色；
响应于所述场景图像中存在所述虚拟角色之外的另外目标对象，基于所述检测到的目标对象的类别和位置确定所述场景图像的状态特征数据，所述状态特征数据表征每个另外目标对象与所述虚拟角色之间位置关系；
将所述场景图像的状态特征数据输入动作输出模型以得到与所述场景图像对应的目标动作；
控制所述虚拟角色在所述游戏场景中执行所述目标动作。


2.根据权利要求1所述的方法，其中，所述经训练的目标检测网络是通过如下步骤训练的：
从录制的玩所述游戏时的视频样本中采集用于训练的场景图像以形成图像训练集；
在训练集中的每个用于训练的场景图像中标注目标对象的类别和位置；
将所述每个用于训练的场景图像输入所述目标检测网络，以得到所述目标对象的预测的类别和位置；
确定所述目标对象的预测的类别和位置和所述目标对象的被标注的类别和位置的总损失；
更新所述目标检测网络的参数使得所述总损失最小化。


3.根据权利要求2所述的方法，其中，所述总损失为针对所述目标对象的类别的交叉熵损失和针对所述目标对象的位置的L1损失之和，其中针对所述目标对象的类别的交叉熵损失表征所述目标对象的预测的类别和所述目标对象的被标注的类别间的误差，以及针对所述目标对象的位置的L1损失表征所述目标对象的预测的位置和所述目标对象的被标注的位置间的误差。


4.根据权利要求2所述的方法，其中，从录制的玩所述游戏时的视频样本中采集用于训练的场景图像，包括：
每隔固定游戏时间间隔从所述视频样本中采集用于训练的场景图像；
响应于所述用于训练的场景图像中的第一场景图像与第二场景图像的相似度大于相似度阈值，则移除所述第一场景图像与第二场景图像之一。


5.根据权利要求1所述的方法，其中，基于所述检测到的目标对象的类别和位置确定所述场景图像的状态特征数据，包括：
以所述虚拟角色的中心为原点在整个场景图像的平面内辐射建立M条射线；
确定所述每个另外目标对象的距离量化索引，所述距离量化索引表征所述每个另外目标对象在每条射线上距离所述原点的最短距离；
以M×N×Q大小的特征矩阵来表征所述状态特征数据，其中在特征矩阵的第一通道表示所述每个另外目标对象所在的射线且射线的总数为M，在特征矩阵的第二通道表示场景图像中的目标对象的类别且类别的总数为N，在特征矩阵的第三个通道表示所述每个另外目标对象的距离量化索引且距离量化索引的总数为Q。


6.根据权利要求1所述的方法，其中，基于所述检测到的目标对象的类别和位置确定所述场景图像的状态特征数据，包括：
建立直角坐标系，其中以虚拟角色的中心为原点、以虚拟角色的前进方向为+X方向、以及与X方向垂直的方向为Y方向；
以所述虚拟角色的中心为原点在X方向上大于等于零的区域内辐射建立M条射线；
确定所述每个另外目标对象的距离量化索引，所述距离量化索引表征所述每个另外目标对象在每条射线上距离所述原点的最短距离；
以M×N×Q大小的特征矩阵来表征所述状态特征数据，其中在特征矩阵的第一通道表示所述每个另外目标对象所在的射...

【专利技术属性】
技术研发人员：黄超，周大军，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44