[發明專利]用于游戲的數據處理方法、設備和介質

有效

• 申請號: 201910335020.7
• 申請日: 2019-04-24
• 公開（公告）號: CN110064205B
• 公開（公告）日: 2023-02-17
• 發明（設計）人: 梁靜;李宏亮;李思琴;杜雪瑩;王亮
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: A63F13/79
• 分類號: A63F13/79;A63F13/55
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 徐文靜;陳世華

用于游戲的數據處理方法、設備和介質。所述用于游戲的數據處理方法包括：提取當前幀游戲數據的游戲特征，并將其輸入到聯合模型，其中所述聯合模型包括用于執行微觀操作預測的微觀操作預測子模型和用于執行宏觀移動趨勢預測的宏觀移動趨勢預測子模型；至少基于輸入的游戲特征，通過宏觀移動趨勢預測子模型來預測特定游戲角色在當前幀或后續幀游戲數據中的宏觀移動趨勢；以及基于輸入的游戲特征和預測出的宏觀移動趨勢，通過微觀操作預測子模型來預測所述特定游戲角色在當前幀或后續幀游戲數據中將要執行的微觀操作。

技術領域

本發明涉及人工智能領域，更具體地說，涉及用于游戲的數據處理方法和設備。

背景技術

隨著人工智能(Artificial Intelligence,AI)的興起，與人類生活的各領域交互越加頻繁，游戲AI逐漸成為業界的一個研究熱點。例如，一種可能的應用場景為：通過游戲AI接管掉線玩家，以避免由于網絡卡頓等問題影響其他玩家的游戲體驗。

區別于傳統棋類游戲，多人在線戰術競技游戲(Multiplayer Online BattleArena,MOBA)由于具備極高的復雜度和多樣性，是探索通用人工智能的重要場景。

玩家對戰玩家(PVP,Player versus Player)是MOBA游戲的一種典型玩法。游戲由兩支玩家數量相等的敵對隊伍組成，每個玩家可以控制局內的一個游戲角色，通過與隊友相互配合，與敵方隊伍進行游戲資源爭奪，以先推倒敵方基地為目標。

例如，在現有的一種可能的實施方式中，基于強化學習方法來訓練游戲AI模型。游戲AI模型的輸入包括英雄、野怪、兵線、炮塔等屬性信息、障礙物等地圖信息以及游戲時長等全局信息，且游戲AI模型的輸出對應于人類玩家的微觀操作。

然而，這種游戲AI模型的輸出只涉及微觀操作。換言之，這種游戲AI模型僅包括微觀操作預測模型，只能依據輸入的游戲特征來預測游戲角色將要執行的微觀操作。

發明內容

鑒于以上情形，期望提供一種新的用于游戲的數據處理方法和設備，其能夠在輸入的原始游戲特征的基礎上，進一步生成一個或多個中間結果，用以輔助最終微觀操作的預測。

根據本發明的一個方面，提供了一種用于游戲的數據處理方法，包括：提取當前幀游戲數據的游戲特征，并將其輸入到聯合模型，其中所述聯合模型包括用于執行微觀操作預測的微觀操作預測子模型和用于執行宏觀移動趨勢預測的宏觀移動趨勢預測子模型；至少基于輸入的游戲特征，通過宏觀移動趨勢預測子模型來預測特定游戲角色在當前幀或后續幀游戲數據中的宏觀移動趨勢；以及基于輸入的游戲特征和預測出的宏觀移動趨勢，通過微觀操作預測子模型來預測所述特定游戲角色在當前幀或后續幀游戲數據中將要執行的微觀操作。

另外，在根據本發明實施例的方法中，所述聯合模型進一步包括用于執行坐標位置預測的坐標位置預測子模型，并且其中所述方法進一步包括：基于輸入的游戲特征，通過坐標位置預測子模型來預測與所述特定游戲角色對立的敵方游戲角色在當前幀或后續幀游戲數據中的坐標位置信息；以及存儲預測出的所述坐標位置信息。

另外，在根據本發明實施例的方法中，在提取當前幀游戲數據的游戲特征的步驟之前，進一步包括：當當前幀游戲數據中存在不可見的敵方游戲角色，且存在關于不可見的敵方游戲角色在先前幀游戲數據中的坐標位置信息的預測結果時，以所述預測結果作為不可見的敵方游戲角色在當前幀游戲數據中的坐標位置。

另外，在根據本發明實施例的方法中，所述聯合模型進一步包括用于執行區域位置預測的區域位置預測子模型，其中所述方法進一步包括：基于輸入的游戲特征，通過區域位置預測子模型來預測所述敵方游戲角色在當前幀或后續幀游戲數據中的區域位置信息，并且其中至少基于輸入的游戲特征，通過宏觀移動趨勢預測子模型來預測特定游戲角色在當前幀或后續幀游戲數據中的宏觀移動趨勢的步驟進一步包括：基于輸入的游戲特征和預測出的區域位置信息，通過宏觀移動趨勢預測子模型來預測特定游戲角色在當前幀或后續幀游戲數據中的宏觀移動趨勢。