[发明专利]用于游戏的数据处理方法、设备和介质

说明书

用于游戏的数据处理方法、设备和介质。所述用于游戏的数据处理方法包括：提取当前帧游戏数据的游戏特征，并将其输入到联合模型，其中所述联合模型包括用于执行微观操作预测的微观操作预测子模型和用于执行宏观移动趋势预测的宏观移动趋势预测子模型；至少基于输入的游戏特征，通过宏观移动趋势预测子模型来预测特定游戏角色在当前帧或后续帧游戏数据中的宏观移动趋势；以及基于输入的游戏特征和预测出的宏观移动趋势，通过微观操作预测子模型来预测所述特定游戏角色在当前帧或后续帧游戏数据中将要执行的微观操作。

技术领域

本发明涉及人工智能领域，更具体地说，涉及用于游戏的数据处理方法和设备。

背景技术

随着人工智能(Artificial Intelligence,AI)的兴起，与人类生活的各领域交互越加频繁，游戏AI逐渐成为业界的一个研究热点。例如，一种可能的应用场景为：通过游戏AI接管掉线玩家，以避免由于网络卡顿等问题影响其他玩家的游戏体验。

区别于传统棋类游戏，多人在线战术竞技游戏(Multiplayer Online BattleArena,MOBA)由于具备极高的复杂度和多样性，是探索通用人工智能的重要场景。

玩家对战玩家(PVP,Player versus Player)是MOBA游戏的一种典型玩法。游戏由两支玩家数量相等的敌对队伍组成，每个玩家可以控制局内的一个游戏角色，通过与队友相互配合，与敌方队伍进行游戏资源争夺，以先推倒敌方基地为目标。

例如，在现有的一种可能的实施方式中，基于强化学习方法来训练游戏AI模型。游戏AI模型的输入包括英雄、野怪、兵线、炮塔等属性信息、障碍物等地图信息以及游戏时长等全局信息，且游戏AI模型的输出对应于人类玩家的微观操作。

然而，这种游戏AI模型的输出只涉及微观操作。换言之，这种游戏AI模型仅包括微观操作预测模型，只能依据输入的游戏特征来预测游戏角色将要执行的微观操作。

发明内容

鉴于以上情形，期望提供一种新的用于游戏的数据处理方法和设备，其能够在输入的原始游戏特征的基础上，进一步生成一个或多个中间结果，用以辅助最终微观操作的预测。

根据本发明的一个方面，提供了一种用于游戏的数据处理方法，包括：提取当前帧游戏数据的游戏特征，并将其输入到联合模型，其中所述联合模型包括用于执行微观操作预测的微观操作预测子模型和用于执行宏观移动趋势预测的宏观移动趋势预测子模型；至少基于输入的游戏特征，通过宏观移动趋势预测子模型来预测特定游戏角色在当前帧或后续帧游戏数据中的宏观移动趋势；以及基于输入的游戏特征和预测出的宏观移动趋势，通过微观操作预测子模型来预测所述特定游戏角色在当前帧或后续帧游戏数据中将要执行的微观操作。

另外，在根据本发明实施例的方法中，所述联合模型进一步包括用于执行坐标位置预测的坐标位置预测子模型，并且其中所述方法进一步包括：基于输入的游戏特征，通过坐标位置预测子模型来预测与所述特定游戏角色对立的敌方游戏角色在当前帧或后续帧游戏数据中的坐标位置信息；以及存储预测出的所述坐标位置信息。

另外，在根据本发明实施例的方法中，在提取当前帧游戏数据的游戏特征的步骤之前，进一步包括：当当前帧游戏数据中存在不可见的敌方游戏角色，且存在关于不可见的敌方游戏角色在先前帧游戏数据中的坐标位置信息的预测结果时，以所述预测结果作为不可见的敌方游戏角色在当前帧游戏数据中的坐标位置。

另外，在根据本发明实施例的方法中，所述联合模型进一步包括用于执行区域位置预测的区域位置预测子模型，其中所述方法进一步包括：基于输入的游戏特征，通过区域位置预测子模型来预测所述敌方游戏角色在当前帧或后续帧游戏数据中的区域位置信息，并且其中至少基于输入的游戏特征，通过宏观移动趋势预测子模型来预测特定游戏角色在当前帧或后续帧游戏数据中的宏观移动趋势的步骤进一步包括：基于输入的游戏特征和预测出的区域位置信息，通过宏观移动趋势预测子模型来预测特定游戏角色在当前帧或后续帧游戏数据中的宏观移动趋势。