目标物控制方法、计算机设备及计算机可读存储介质技术

本申请实施例公开了一种目标物控制方法、计算机设备及计算机可读存储介质，本申请实施例获取运行环境中的每一帧数据集；从所述每一帧数据集中提取单位信息、资源信息、以及全局信息；根据所述单位信息、所述资源信息、以及所述全局信息，确定目标物的运行方向和动作类型；控制所述目标物按照所述运行方向运行，以及执行所述动作类型对应的动作。该方案可以综合单位信息、资源信息、以及全局信息等确定目标物的运行方向和动作类型，以便准确控制目标物执行对应的动作，提高了对目标物控制的准确性和可靠性。

【技术实现步骤摘要】
目标物控制方法、计算机设备及计算机可读存储介质
本申请涉及数据处理
，具体涉及一种目标物控制方法、计算机设备及计算机可读存储介质。
技术介绍
随着人工智能(ArtificialIntelligence，AI)技术的快速发展，人工智能技术被广泛的应用于各个领域，例如，在游戏娱乐领域，通过人工智能技术可以实现各类游戏中虚拟用户与真人之间的对局。现有技术中，对于双方对抗的游戏，主要基于模型将每个玩家的游戏状态分别提取成特征向量，然后经模型前向传导及汇总交换后，计算得出每个玩家的动作。而对于对抗方数量的增加导致信息及请求量剧增，以及针对固定的地图设计，不能灵活的应对对抗方数量增加及地图变化需求等，使得计算结果的准确性较低，降低了玩家执行动作的准确性。
技术实现思路
本申请实施例提供一种目标物控制方法、计算机设备及计算机可读存储介质，可以提高对目标物控制的准确性。第一方面，本申请实施例提供了一种目标物控制方法，包括：获取运行环境中的每一帧数据集；从所述每一帧数据集中提取单位信息、资源信息、以及全局信息；根据所述单位信息、所述资源信息、以及所述全局信息，确定目标物的运行方向和动作类型；控制所述目标物按照所述运行方向运行，以及执行所述动作类型对应的动作。第二方面，本申请实施例还提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请实施例提供的任一种目标物控制方法。第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器加载，以执行本申请实施例提供的任一种目标物控制方法。本申请实施例可以获取运行环境中的每一帧数据集，从每一帧数据集中提取单位信息、资源信息、以及全局信息；根据单位信息、资源信息、以及全局信息，确定目标物的运行方向和动作类型，控制目标物按照运行方向运行，以及执行动作类型对应的动作。该方案可以综合单位信息、资源信息、以及全局信息等确定目标物的运行方向和动作类型，可以灵活应对信息量增加及运行环境变化需求等，以便准确控制目标物执行对应的动作，提高了对目标物控制的准确性和可靠性。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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的附图。图1是本申请实施例提供的目标物控制方法的流程示意图；图2是本申请实施例提供的游戏场景的示意图；图3是本申请实施例提供的空间图像特征生成的示意图；图4是本申请实施例提供的动作类型和运动方向确定的示意图；图5是本申请实施例提供的目标物控制方法的另一流程示意图；图6是本申请实施例提供的模型应用部署的示意图；图7是本申请实施例提供的计算机设备的结构示意图。具体实施方式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，都属于本申请保护的范围。附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。本申请的实施例提供了一种目标物控制方法、计算机设备及计算机可读存储介质。其中，该目标物控制方法可以应用于计算机设备中，该计算机设备可以包括智能手机、平板电脑、掌上电脑、笔记本电脑或者台式电脑等终端，该计算机设备还可以是服务器。本申请实施例提供的目标物控制方法涉及人工智能中的机器学习技术等技术，下面先对人工智能技术和机器学习技术进行说明。人工智能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。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、以及机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。机器学习(MachineLearning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、以及算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、以及式教学习等技术。请参阅图1，图1是本申请一实施例提供的目标物控制方法的流程示意图。该目标物控制方法可以包括步骤S101至步骤S104等，具体可以如下：S101、获取运行环境中的每一帧数据集。其中，运行环境及其对应的数据集可以根据实际应用场景进行灵活设置，具体内容在此处不作限定。例如，在球球大作战的游戏、王者荣耀的游戏、或Agar.io游戏中，可以获取游戏运行环境中的每一帧数据集，由于游戏运行的过程中，可以录制形成视频数据，因此，可以每间隔预设时间获取视频数据的数据帧，得到多帧数据集，该预设时间可以根据实际需要进行灵活设置，例如，该预设时间可以设置为1秒或0.1秒等。以IO类游戏中的Agar.io游戏为例，该数据集可以包括环境地图、自己的位置、自己移动的速度、队友的位置、队友移动的速度、敌人的位置、敌人移动的速度、孢子的位置、孢子的重量、粮食的位置、粮食的重量、游戏时间、以及排名信息等。以下将以IO类游戏中的Agar.io游戏为例，玩家可以自由控制自己的球，类似大鱼吃小鱼，可以控制自己的大球吞并比自己小的球、粮食或者刺球等。同时，玩家还可以采用分裂和吐孢子等操作，和队友配合，将多个小球合并成大球；或者通过分裂操作，吃掉比自己的球小的敌人的球，游戏目的是尽可能的通过吃资源和吞噬敌人的球让自己队伍的球的面积变大。其游戏场景可以如2图所示，包括：玩家可以通过摇杆控制多个球，例如玩家1可以控制图2中标号为1的3个球，标号为1的3个球即为玩家1的控制单位；玩家的视野不固定，可以随玩家球的大小、数目和位置变化而改变；每个玩家只能看到自己视野内的游戏场景，例如玩家4的视野小于玩家1的视本文档来自技高网...

【技术保护点】
1.一种目标物控制方法，其特征在于，包括：/n获取运行环境中的每一帧数据集；/n从所述每一帧数据集中提取单位信息、资源信息、以及全局信息；/n根据所述单位信息、所述资源信息、以及所述全局信息，确定目标物的运行方向和动作类型；/n控制所述目标物按照所述运行方向运行，以及执行所述动作类型对应的动作。/n

【技术特征摘要】
1.一种目标物控制方法，其特征在于，包括：
获取运行环境中的每一帧数据集；
从所述每一帧数据集中提取单位信息、资源信息、以及全局信息；
根据所述单位信息、所述资源信息、以及所述全局信息，确定目标物的运行方向和动作类型；
控制所述目标物按照所述运行方向运行，以及执行所述动作类型对应的动作。


2.根据权利要求1所述的目标物控制方法，其特征在于，所述根据所述单位信息、所述资源信息、以及所述全局信息，确定目标物的运行方向和动作类型包括：
根据所述单位信息生成向量嵌入特征，根据所述全局信息生成全局标量特征，以及根据所述单位信息、所述资源信息、以及所述全局信息，生成空间图像特征；
通过训练后的模型对所述向量嵌入特征、所述全局标量特征以及所述空间图像特征进行处理，得到目标物的运行方向和动作类型。


3.根据权利要求2所述的目标物控制方法，其特征在于，所述训练后的模型包括第一网络、第二网络、第三网络和第四网络，所述通过训练后的模型对所述向量嵌入特征、所述全局标量特征以及所述空间图像特征进行处理，得到目标物的运行方向和动作类型包括：
通过所述第一网络对所述向量嵌入特征进行降维操作，得到第一特征信息；
通过所述第二网络对所述空间图像特征进行卷积操作，得到第二特征信息；
通过所述第三网络对所述全局标量特征进行非线性操作，得到第三特征信息；
将所述第一特征信息、所述第二特征信息、以及所述第三特征信息进行合并，得到目标特征信息；
通过所述第四网络对所述目标特征信息进行处理，得到目标物的运行方向和动作类型。


4.根据权利要求3所述的目标物控制方法，其特征在于，所述第一网络为深度神经网络或多层感知机，所述第二网络为卷积神经网络或残差网络，所述第三网络为深度神经网络或多层感知机，所述第四网络为循环神经网络或长短期记忆网络。


5.根据权利要求2所述的目标物控制方法，其特征在于，所述通过训练后的模型对所述向量嵌入特征、所述全局标量特征以及所述空间图像特征进行处理，得到目标物的运行方向和动作类型之前，所述目标物控制方法还包括：
获取样本视频，从所述样本视频中筛选出有效帧数据，以及从所述有效帧数据中确定样本物；
通过预设的模型基于所述有效帧数据确定所述样本物的预测运行方向和预测动作类型；
通过预设的损失函数对所述预测运行方向和所...

【专利技术属性】
技术研发人员：朱晓龙，纪晓龙，季兴，汤善敏，周正，李宏亮，张正生，刘永升，
申请(专利权)人：深圳海普参数科技有限公司，
类型：发明
国别省市：广东;44