一种游戏人机互动方法及其系统技术方案

本发明专利技术涉及电子信息产品领域，为一种游戏场景下的应用，具体为一种游戏人机互动方法及其系统；通过设置有比对机制，并且通过在服务器上设置基础数据库以及对应设置的训练模型，能够实现在互动过程中智能体的模拟真实环境下的真实玩家的操作，将互动的过程以及互动所带来的游戏体验感增强。带来的游戏体验感增强。带来的游戏体验感增强。

A game man-machine interaction method and its system

【技术实现步骤摘要】
一种游戏人机互动方法及其系统


[0001]本专利技术涉及电子信息产品领域，为一种游戏场景下的应用，具体为一种游戏人机互动方法及其系统。

技术介绍

[0002]实时游戏(Real Time Game)是指游戏过程即时进行的游戏，不同于围棋、象棋等回合制游戏，实时游戏通常具有游戏规则复杂、游戏场景动态多变、对手角色行为不确定、行为决策信息不全面、行为决策时间短等特点。典型的实时游戏包括但不限于对战类游戏，对战类游戏是操控虚拟角色与对手角色进行对战，以耗尽对手角色的生命值为获胜目标的游戏。
[0003]在实时游戏的人机对战模式中，真实玩家控制的虚拟角色会与游戏智能系统控制的虚拟角色进行对战。对于游戏智能系统来说，其控制虚拟角色进行对战时，会面对巨大的动作决策空间，并且还要满足实时决策的需求，如何在该条件下选择并执行游戏策略，是游戏智能系统能否实现对于虚拟角色的高水平拟人化控制的关键，这也会在很大程度上影响真实玩家的游戏体验。
[0004]目前针对于人机互动主要是人为动作、语音和输入的文字，而针对于以上的行为，并没有针对性的进行互动的方法，目前大多数的技术主要是基于文字方式进行互动，而针对于人为的动作大多数具有反应不灵敏的相关问题，并且在既有动作、语音和文字的情况下，针对于计算机无法根据复杂的行为方式给出对应的最优的执行反馈。

技术实现思路

[0005]本申请实施例提供一种游戏人机互动方法，以通过将动作、语音和文字相融合的方式对游戏者的行为进行判断，并且通过建立对应的模型，通过模型实现了对于行为的判断，从而提高了计算机对于复杂场景下行为的判断以及基于判断结果给出对应的反馈动作的效果。
[0006]为了达到上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供了一种游戏人机互动方法，应用于服务器，所述服务器与用户端和游戏端，所述用户端用于采集用户的互动数据，所述游戏端基于所述互动数据向所述游戏端反馈行为事件；所述服务器上配置有基础数据库，所述基础数据库配置有特征数据，所述特征数据用于不同互动形式下所采集到的互动数据的比对；所述方法包括：采集所述互动数据；将所述互动数据上传至所述服务器并与所述基础数据库中的特征数据进行比对，得到比对结果；基于所述比对结果触发与所述比对结果对应的行为事件；将所述行为事件发送至游戏端与用户实现互动；所述特征数据为多结构数据，包括第一互动数据、第二互动数据和第三互动数据，所述第一互动数据被设置为无效行为数据用于表征无效行为用于降低比对的数据量，所述第二互动数据被设置为基础行为数据用于表征基础行为用于确定基础行为，所述第三互动数据被配置为关键行为数据用于表征关键行为用于确定关
键行为；所述互动数据与所述特征数据进行比对包括将所述第一互动数据、第二互动数据与所述第三互动数据与所述互动数据进行比对并得到比对结果，具体包括以下方法：对比在互动数据中是否包含有第一互动数据并将第一互动数据进行剔除将剩余数据进行保留，将保留数据中的包含有第二互动数据进行提取存储并进行标签处理，将剩余数据中包含有第三互动数据进行提取存储并进行标签处理，得到由第二互动数据和第三互动数据组成的行为数据；基于所述比对结果触发与所述比对结果对应的行为事件具体以下方法：将行为数据中的至少两组标签与保存的标签库中的互动行为标签进行比对，所述互动行为标签对应多个行为事件。
[0007]在第一方面的第一种可能的实现方式中，还包括对于多个行为事件选择最优行为事件，包括以下方法：基于分层决策模型分层动作决策模型，根据所述目标游戏状态信息确定最优行为事件；所述分层动作决策模型包括互相独立的策略选择子模型和多个策略执行子模型，所述策略选择子模型中配置有对应的行为事件；所述策略选择子模型用于根据游戏状态信息在所述多个策略执行子模型中选择所需运行的策略执行子模型；所述策略执行子模型用于根据游戏状态信息确定虚拟角色所需执行的动作；控制目标虚拟角色执行所述目标动作。
[0008]结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，根据所述目标游戏状态信息确定最优行为事件包括根据用户预设的游戏运行状态以及采集到的程序运行状态确定最优行为事件，所述用户预设的游戏运行状态包括游戏难易程度设置、游戏运行环境设置以及其他个性化操作设置，所述程序运行状态包括程序运行的实时物理数据。
[0009]结合第一方面，在第三种可能的实现方式中，采集所述互动信息包括基于所述用户行为所产生的交互信息；所述用户行为包括动作行为、语音行为以及文字行为；采集所述动作行为基于外部设备得到动作行为互动数据，所述外部设备包括设置有传感器的硬件，所述传感器与用户物理绑定采集用户运动所产生的行为并与所述服务器产生通信；采集所述语音行为基于语音设备用于采集用户的声音得到语音行为互动数据并与所述服务器产生通信；采集所述文字行为用于采集用户在交互界面产生的文字互动数据并与所述服务器产生通信。
[0010]结合第一方面，在第四种可能的实现方式中，还包括构建所述基础数据库，包括以下方法：获取已有的用户行为数据，将所述行为数据进行分类训练，构建训练集，在所述训练集抽取预设关键信息，对所述预设关键信息进行数据处理,引入非策略的批量强化学习算法，构建基于强化学习的行为预判模型，并利用得到的数据对所述预判模型进行训练，得到已训练的行为预判模型，获取待处理的行为数据信息，从所述待处理的行为数据信息中抽取预设的信息，通过数据处理得到第一向量、第二向量和第三向量并得到对应的第一标签、第二标签和第三标签，所述第一向量为所述第一互动数据、所述第二向量为所述第二互动数据、所述第三向量为所述第三互动数据。
[0011]结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，将所述动作行为互动数据上传至所述服务器并与所述基础数据库中的特征数据进行比对，得到比对结果，包括以下具体方法：将动作行为互动数据上传至服务器并与基础数据库中的动作行为特征数据进行比对，得到比对结果，所述动作行为特征数据包括第一动作行为特征数据、
第二动作行为特征数据和第三动作行为特征数据，包括以下方法：将第一动作行为特征数据与动作行为互动数据进行比对，得到第一结果，将所述第一结果与第二动作行为特征数据进行比对，得到第二结果，将所述第二结果与第三动作行为特征数据进行比对，得到第三结果，将所述第二结果和所述第三结果进行结合得到动作行为比对结果，所述动作行为比对结果为最终比对结果；将第一动作行为特征数据与动作行为互动数据进行比对，得到第一结果包括以下方法：所述第一动作行为特征数据包括动作行为特征数据和与所述动作行为特征数据对应的动作强度数据，所述动作强度数据为阈值，将所述互动数据与动作行为特征数据进行比对并获取对应的动作强度数据，并确定互动数据处于所述动作强度数据的阈值范围内的对应的数据，即为第一结果。
[0012]在第一方面的第六种可能的实现方式中，将第一动作行为特征数据与动作行为互动数据进行比对，得到第一结果还包括：确定所述动作行为互动数据为连续行为数据，所述动作行为互动数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种游戏人机互动方法，其特征在于，应用于服务器，所述服务器与用户端和游戏端连接，所述用户端用于采集用户的互动数据，所述游戏端基于所述互动数据向所述游戏端反馈行为事件；所述服务器上配置有基础数据库，所述基础数据库配置有特征数据，所述特征数据用于不同互动形式下所采集到的互动数据的比对；所述方法包括：采集所述互动数据；将所述互动数据上传至所述服务器并与所述基础数据库中的特征数据进行比对，得到比对结果；基于所述比对结果触发与所述比对结果对应的行为事件；将所述行为事件发送至游戏端与用户实现互动；所述特征数据为多结构数据，包括第一互动数据、第二互动数据和第三互动数据，所述第一互动数据被设置为无效行为数据用于表征无效行为用于降低比对的数据量，所述第二互动数据被设置为基础行为数据用于表征基础行为用于确定基础行为，所述第三互动数据被配置为关键行为数据用于表征关键行为用于确定关键行为；所述互动数据与所述特征数据进行比对包括将所述第一互动数据、第二互动数据与所述第三互动数据与所述互动数据进行比对并得到比对结果，具体包括以下方法：对比在互动数据中是否包含有第一互动数据并将第一互动数据进行剔除将剩余数据进行保留，将保留数据中的包含有第二互动数据进行提取存储并进行标签处理，将剩余数据中包含有第三互动数据进行提取存储并进行标签处理，得到由第二互动数据和第三互动数据组成的行为数据；基于所述比对结果触发与所述比对结果对应的行为事件具体以下方法：将行为数据中的至少两组标签与保存的标签库中的互动行为标签进行比对，所述互动行为标签对应多个行为事件。2.根据权利要求1所述的游戏人机互动方法，其特征在于，还包括对于多个行为事件选择最优行为事件，包括以下方法：基于分层决策模型分层动作决策模型，根据目标游戏状态信息确定最优行为事件；所述分层动作决策模型包括互相独立的策略选择子模型和多个策略执行子模型，所述策略选择子模型中配置有对应的行为事件；所述策略选择子模型用于根据游戏状态信息在所述多个策略执行子模型中选择所需运行的策略执行子模型；所述策略执行子模型用于根据游戏状态信息确定虚拟角色所需执行的动作；控制目标虚拟角色执行目标动作。3.根据权利要求2所述的游戏人机互动方法，其特征在于，根据所述目标游戏状态信息确定最优行为事件包括根据用户预设的游戏运行状态以及采集到的程序运行状态确定最优行为事件，所述用户预设的游戏运行状态包括游戏难易程度设置、游戏运行环境设置以及个性化操作设置，所述程序运行状态包括程序运行的实时物理数据。4.根据权利要求1所述的游戏人机互动方法，其特征在于，采集所述互动数据包括基于用户行为所产生的交互数据；所述用户行为包括动作行为、语音行为以及文字行为；采集所述动作行为基于外部设备得到动作行为互动数据，所述外部设备包括设置有传感器的硬件，所述传感器与用户物理绑定采集用户运动所产生的行为并与所述服务器产生通信；采集所述语音行为基于语音设备用于采集用户的声音得到语音行为互动数据并与所述服务器产生通信；采集所述文字行为用于采集用户在交互界面产生的文字互动数据并与所述服
务器产生通信。5.根据权利要求4所述的游戏人机互动方法，其特征在于，还包括构建所述基础数据库，包括以下方法：获取已有的用户行为数据，将所述行为数据进行分类训练，构建训练集，在所述训练集抽取预设关键信息，对所述预设关键信息进行数据处理,引入非策略的批量强化学习算法，构建基于强化学习的行为预判模型，并利用得到的数据对所述预判模型进行训练，得到已训练的行为预判模型，获取待处理的行为数据信息，从所述待处理的行为数据信息中抽取预设的信息，通过数据处理得到第一向量、第二向量和第三向量并得到对应的第一标签、第二标签和第三标签，所述第一向量为所述第一互动数据、所述第二向量为所述第二互动数据、所述第三向量...

【专利技术属性】
技术研发人员：连胜杰，
申请(专利权)人：欢喜时代深圳科技有限公司，
类型：发明
国别省市：