摘要：
第三人称游戏的相机控制 Unity已经有了Cinemachine这一强大的插件来辅助开发者更容易地控制相机运动，但a56爆大奖在线娱乐觉得学习一下相机控制背后的原理还是挺有益的，没准哪天你就想定制某种相机控制的功能，又觉得Cinemachine难调呢！ a56爆大奖在线娱乐学习自 Jasper Flick 大神的 运动系列教程 相机 阅读全文
摘要：
利用八叉树的空中寻路 你有思考过在空中如何进行寻“路”吗？来想象一个的场景：飞机从空中基地出发，要避开许多空中建筑，最终到达目的地。这种情况下的寻路是没有路面的，寻路物体的移动方向也比较自由，这该怎么寻呢？ 如果a56爆大奖在线娱乐们只是在一个平面进行寻路，a56爆大奖在线娱乐们可以直接用A*寻路，铺好一个地面网格，这样就可以在网格点 阅读全文
摘要：
游戏中的角色运动问题 大部分类型的游戏中玩家都需要扮演一名主角，通过操纵主角来体验游戏，这就涉及到运动的问题。相信有不少Unity开发者都是从制作2D平台跳跃游戏入门的，从那时起到现在，也许有些关于运动的问题仍值得a56爆大奖在线娱乐们去思考，a56爆大奖在线娱乐总结了一些个人学习时遇到的关于角色运动的问题及其学到的解决方法。 注意 阅读全文
摘要：
无模型的强化学习算法 学习「强化学习」（基于这本教材，强烈推荐）时的一些总结，在此记录一下。 动态规划算法需要马尔可夫决策过程是已知的（状态转移函数、奖励函数已知），智能体不用真正地与环境互动也能在「理性」世界里求得最优策略。 现实通常并非如此，环境已知恰恰是很少见的。a56爆大奖在线娱乐这里来看看「无模型的强化学 阅读全文
摘要：
基于动态规划的强化学习算法 学习「强化学习」（基于这本教材，强烈推荐）时的一些总结，在此记录一下。 在马尔可夫决策过程 环境模型已知（也就是状态转移函数P、奖励函数r已知）的情况下，a56爆大奖在线娱乐们可以通过 「动态规划」 求得马尔可夫决策过程的最优策略 \(\pi^*\) 。 1. 动态规划 对于做过算法题目的 阅读全文
摘要：
马尔可夫决策过程 个人在学习「马尔可夫过程」时（基于这本教材，强烈推荐），做了些总结，并将遇到了一些感到困惑自a56爆大奖在线娱乐解答了，在此整理并记录一下。 1. 马尔可夫性质 简单的一句话：当前状态 只取决于上一时刻 的状态。这个视频很生动地解释了这一性质。 2. 马尔可夫过程 「马尔可夫过程」也叫「马尔可夫链」 阅读全文
摘要：
A*搜索算法的更多内容 A*算法，也许你会习惯称它为「A*寻路算法」。许多人大概是因寻路——尤其是「网格地图」寻路认识它的，网上很多教程也是以网格地图为例讲解它的算法实现。这导致了许多人在遇到同样用了A*算法的地方，例如GOAP或者基于八叉树的立体空间寻路时会一头雾水：A*算法原来有这么多「变种」吗 阅读全文
摘要：
游戏AI的LOD控制 这次a56爆大奖在线娱乐们来一同看看AI LOD的一个另类控制技术，如果你对AI LOD一无所知也没关系，a56爆大奖在线娱乐会为你们做个科普。但请注意，a56爆大奖在线娱乐着重讨论其思想， 没有讲代码细节（因为很多涉及数学，有一定门槛），具体实现你们可以参考文末附带的项目（代码都在里面），或者去看看原论文。 LOD的概念 提 阅读全文
摘要：
神经网络训练中的问题 神经网络在数据之海中打捞规律，自成模型。这个过程全权由电脑完成，也因此a56爆大奖在线娱乐们担心它是否是a56爆大奖在线娱乐泛化的模式，在其它「海域」继续工作时，它能否也能得到正确的结果？如何发现 可以泛化的模式 是机器学习的根本问题。 通常，模型越复杂、训练样本越少，它的泛化能力就会受到考验： 可调整参数的数 阅读全文
摘要：
游戏AI行为决策（特别篇）——MLP（附代码与项目） 你一定听说过神经网络的大名，你有想过将它用于游戏AI的行为决策上吗？其实在（2010年发布的）《最高指挥官2》中就有应用了，今天请允许a56爆大奖在线娱乐班门弄斧一番，与大家一同用C#实现最经典的神经网络——多层感知机（Multilayer Perceptron， 阅读全文