深度学习在写实游戏开发中的应用.pdf

编号：29575

PDF 29页 21.28MB 下载积分：VIP专享

下载报告请您先登录！

深度学习在写实游戏开发中的应用.pdf

1、神经网络在游戏开发中的应用 GalaSports 成立于2013年，是一家以技术为驱动的游戏公司，多年来 GalaSports与国际足联、NBA、皇家马德里俱乐部、巴萨罗那俱乐部等商业伙伴合作，一直致力于为用户提供高品质体育娱乐体验。目前公司员工300余人，业务遍及70多个国家和地区。 1.基于深度神经网络的足球游戏AI 2.人脸模型重建与表情捕捉/迁移 3.基于神经网络加速的实时布料模拟 1.基于深度神经网络的足球游戏AI 根据不同的球队整体状态，例如进攻状态、回防状态执行整体战术球员根据自己的状态（体力、位置）作出决策，例如：拦截、抢点、回防等等根据球员的决策和球员能力

2、状态作出符合物理的动作足球弹道计算球员的非刚体和骨骼铰链物理群体决策AI 球员决策AI 身体物理模型物理引擎体育游戏AI架构状态机, 势力图(Influence Map)，决策树状态机, 效用函数(Utility Function), 马尔科夫链, 动画图(Motion Graph) 反向动力学, 正向动力学, 布娃娃系统(Rag Doll) Havoc, Physx AI 约束根据不同的球队整体状态，例如进攻状态、回防状态执行整体战术球员根据自己的状态（体力、位置）作出决策，例如：拦截、抢点、回防等等根据球员的决策和球员能力状态作出符合物理的动作足球弹道计

3、算球员的非刚体和骨骼铰链物理群体决策AI 球员决策AI 身体物理模型物理引擎球员（Agent）增强学习环境奖励局势决策群体决策AI 球员决策AI 身体物理模型物理引擎第一阶段：从单个Agent学习射门到2个Agent对抗球门根据收敛情况逐渐缩小球入门回合结束，奖励球员第二阶段： 2队逐渐增加多个球员奖励函数增加过人/正确传球/进球/将球带到前场等多种评估第三阶段：每个球员根据阵型位置设置更细节的奖励函数，例如前锋的主要奖励是射门，后防的主要奖励是断球第四阶段：加入身体物理模型、体力、动作能力等约束课程式学习（Curriculum Learning)：增强学习的问题: 奖励函数稀疏，难以训练网络难以从场上球员位置/状态学会合理的进攻/防守战术多个Agent对抗，只能实现简单团队合作策略奖励函数在训练后期设计复杂，难调参难收敛某些行为看起来

友情提示

1、下载报告失败解决办法
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。

本文（深度学习在写实游戏开发中的应用.pdf）为本站（X-iao）主动上传，三个皮匠报告文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知三个皮匠报告文库（点击联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。