[发明专利]数据处理方法及相关产品

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取针对目标虚拟角色的用户指令，所述用户指令包括目标动作类型；

从控制策略模型库中选取属于所述目标动作类型的目标控制策略模型；所述目标控制策略模型是根据属于所述目标动作类型的目标动作片段训练的控制策略模型；

利用所述目标控制策略模型，对所述目标虚拟角色在第t个控制周期的状态进行处理，得到所述目标虚拟角色在第t+1个控制周期的动作控制策略，所述动作控制策略用于表征所述目标虚拟角色执行的动作，t为大于等于1的整数；

根据所述第t+1个控制周期的动作控制策略，生成所述目标虚拟角色在第t+1个控制周期的动作动画，以及所述目标虚拟角色在第t+1个控制周期的状态；

输出所述目标虚拟角色在所有控制周期的动作动画。

2.如权利要求1所述的方法，其特征在于，所述输出所述目标虚拟角色在所有控制周期的动作动画，包括：

将所有控制周期的动作动画按照记录的生成时间由小到大的顺序，组合为动画序列，并将所述动画序列存储至动画素材库；所述动画序列的动作类型属于目标动作类型；

当接收到包含所述目标动作类型的动画播放指令时，响应于所述动画播放指令从所述动画素材库中调取所述动画序列进行播放。

3.如权利要求1所述的方法，其特征在于，所述输出所述目标虚拟角色在所有控制周期的动作动画，包括：

按照设定的渲染帧率对所述目标虚拟角色在所有控制周期的动作动画分别进行渲染处理，并将蒙皮网格施加至所述渲染处理后的动作动画中，得到待播放动作动画；所述待播放动画包括多个动画帧；

在图形界面中播放所述多个动画帧，所述多个动画帧中的每一个动画帧是在达到同步等待时长之后显示；所述同步等待时长是根据所述设定的渲染帧率确定的。

4.如权利要求1～3任一项所述的方法，其特征在于，所述目标虚拟角色包括多个目标转动对象；

所述根据所述第t+1个控制周期的动作控制策略，生成所述目标虚拟角色在第t+1个控制周期的动作动画，以及所述目标虚拟角色在第t+1个控制周期的状态，包括：

根据所述第t个控制周期的状态和所述第t+1个控制周期的动作控制策略确定所述目标虚拟角色中各个目标转动对象的转动力矩；

根据所述转动力矩，控制所述目标虚拟角色的各个目标转动对象在第t+1个控制周期内进行运动，以生成所述目标虚拟角色在第i+1个训练周期的动作动画；

在所述目标虚拟角色运动结束后，获取所述目标虚拟角色在第t+1个控制周期的状态。

5.如权利要求4所述的方法，其特征在于，所述获取所述目标虚拟角色在第t+1个控制周期的状态，包括：

获取所述目标虚拟角色的环境信息和位姿信息；所述环境信息用于表征所述目标虚拟角色所处的虚拟环境；所述位姿信息用于表征所述目标虚拟角色的位置和姿态；

根据所述位姿信息和所述环境信息生成所述目标虚拟角色在第t+1个控制周期的状态。

6.如权利要求1所述的方法，其特征在于，所述方法由客户端执行，所述方法还包括：

获取所述目标虚拟角色在第i个训练周期的关联状态；其中，i为大于或等于1的整数；

利用控制策略模型对所述第i个训练周期的关联状态进行处理，得到所述目标虚拟角色在第i+1个训练周期的动作控制策略，并根据所述第i个训练周期的关联状态确定动作奖励；所述控制策略模型存储于所述客户端的动作模拟引擎中；

将所述第i个训练周期的关联状态、所述第i个训练周期的动作控制策略、所述动作奖励和所述第i+1个训练周期的关联状态，组合为训练样本；所述第i+1个训练周期的关联状态是所述第i+1个训练周期的动作控制策略应用于所述目标虚拟角色后采集到的；

将所述训练样本发送至服务器，以使所述服务器根据所述训练样本训练所述服务器中存储的所述控制策略模型；

接收所述服务器发送的训练后的控制策略模型的模型参数，并根据接收到的模型参数对所述控制策略模型进行更新，以得到所述目标控制策略模型。