本發(fā)明涉及人工智能技術(shù)領(lǐng)域，更具體地，涉及一種人工智能的實(shí)現(xiàn)方法及裝置。

背景技術(shù)：

ai(artificialintelligence，人工智能)是指利用計(jì)算機(jī)等現(xiàn)代化工具來模擬人類或者其它生物的思維和行動(dòng)的技術(shù)。隨著ai技術(shù)的日漸進(jìn)步，ai技術(shù)已被應(yīng)用于生產(chǎn)生活的各個(gè)方面。例如，當(dāng)ai技術(shù)被應(yīng)用于游戲應(yīng)用程序或者一些仿真模擬系統(tǒng)中時(shí)，會(huì)生成一個(gè)與人或者其它生物具有相似行為的虛擬主體，該主體即為ai智能體。由于ai智能體能表現(xiàn)出與人或者其它生物的行為類似，從而可以提高游戲應(yīng)用程序的可玩性或仿真模擬系統(tǒng)的代入感。在設(shè)計(jì)ai相關(guān)的游戲應(yīng)用程序或者仿真模擬系統(tǒng)中時(shí)，如何使ai智能體實(shí)現(xiàn)相應(yīng)的ai行為，是提高游戲的可玩性或仿真模擬系統(tǒng)的代入感的重點(diǎn)。

相關(guān)技術(shù)中提供了一種人工智能的實(shí)現(xiàn)方法，主要是通過預(yù)先設(shè)置固定的行為策略來控制ai智能體的移動(dòng)以及相關(guān)行為。具體地，可為ai智能體設(shè)置固定的移動(dòng)路徑，讓ai智能體在游戲場景或仿真場景內(nèi)按照移動(dòng)路徑移動(dòng)。另外，還可讓ai智能體按照固定的行為方式循環(huán)重復(fù)相應(yīng)的行為。

在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)相關(guān)技術(shù)至少存在以下問題：

由于在游戲場景或仿真模擬系統(tǒng)中，ai智能體的行為方式通常需要基于周圍環(huán)境以及互動(dòng)機(jī)制而產(chǎn)生相應(yīng)的變化，當(dāng)ai智能體按照固定的移動(dòng)路徑來移動(dòng)，并按照固定的行為模式循環(huán)重復(fù)相應(yīng)的行為，會(huì)導(dǎo)致模擬效果較差，從而降低了游戲的可玩性或仿真模擬系統(tǒng)的代入感。

技術(shù)實(shí)現(xiàn)要素：

由于在游戲場景或仿真模擬系統(tǒng)中，ai智能體的行為方式通常需要基于周圍環(huán)境以及互動(dòng)機(jī)制而產(chǎn)生相應(yīng)的變化，當(dāng)ai智能體按照固定的移動(dòng)路徑來移動(dòng)，并按照固定的行為模式循環(huán)重復(fù)相應(yīng)的行為時(shí)，會(huì)導(dǎo)致模擬效果較差，從而降低了游戲的可玩性或仿真模擬系統(tǒng)的代入感。為了解決上述問題，本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的人工智能的實(shí)現(xiàn)方法及裝置。

根據(jù)本發(fā)明的第一方面，提供了一種人工智能的實(shí)現(xiàn)方法，該方法包括：

步驟1，對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息；

步驟2，根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)；

步驟3，在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，確定指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。

本發(fā)明提供的方法，對于已產(chǎn)生的任一ai智能體，通過將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息。根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)。在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，改變指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。由于ai智能體可實(shí)時(shí)獲取狀態(tài)觸發(fā)信息，依據(jù)狀態(tài)觸發(fā)信息來改變自身狀態(tài)，并根據(jù)改變后的狀態(tài)執(zhí)行相應(yīng)的行為，從而ai智能體能夠基于需求實(shí)時(shí)改變自身的行為方式，進(jìn)而相應(yīng)的模擬效果較好，并提高了游戲的可玩性或仿真模擬系統(tǒng)的代入感。

結(jié)合第一方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，指定智能體的狀態(tài)為狀態(tài)集中的任一種狀態(tài)；狀態(tài)集包括出生狀態(tài)、自由狀態(tài)、玩耍狀態(tài)、逃跑狀態(tài)、覓食狀態(tài)、被吃狀態(tài)、追捕狀態(tài)以及進(jìn)食狀態(tài)。

結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，狀態(tài)觸發(fā)信息為產(chǎn)生指定智能體后的累積時(shí)長，步驟2進(jìn)一步包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為出生狀態(tài)且累積時(shí)長大于第一預(yù)設(shè)閾值時(shí)，將指定智能體改變?yōu)樽杂蔂顟B(tài)。

結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，狀態(tài)觸發(fā)信息為玩耍概率值，步驟2進(jìn)一步包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為自由狀態(tài)且玩耍概率值大于第二預(yù)設(shè)閾值時(shí)，將指定智能體改變?yōu)橥嫠顟B(tài)。

結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第五種可能的實(shí)現(xiàn)方式中，狀態(tài)觸發(fā)信息為飽食度，步驟2進(jìn)一步包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為自由狀態(tài)且指定智能體的飽食度低于第三預(yù)設(shè)閾值時(shí)，將指定智能體的狀態(tài)改變?yōu)橐捠碃顟B(tài)。

結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第六種可能的實(shí)現(xiàn)方式中，狀態(tài)觸發(fā)信息為位置信息，步驟2進(jìn)一步包括：

基于位置信息，確定指定智能體的感知區(qū)域；

當(dāng)在感知區(qū)域內(nèi)達(dá)到狀態(tài)改變的觸發(fā)條件時(shí)，從狀態(tài)集中選取相應(yīng)的狀態(tài)，作為指定智能體改變后的狀態(tài)。

結(jié)合第一方面的第六種可能的實(shí)現(xiàn)方式，在第七種可能的實(shí)現(xiàn)方式中，感知區(qū)域?yàn)橐曇皡^(qū)域，當(dāng)在感知區(qū)域內(nèi)達(dá)到狀態(tài)改變的觸發(fā)條件時(shí)，從狀態(tài)集中選取相應(yīng)的狀態(tài)，作為指定智能體改變后的狀態(tài)，包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為覓食狀態(tài)、且在視野區(qū)域檢測到作為捕食目標(biāo)的其它ai智能體時(shí)，將指定智能體的狀態(tài)改變?yōu)樽凡稜顟B(tài)。

結(jié)合第一方面的第六種可能的實(shí)現(xiàn)方式，在第八種可能的實(shí)現(xiàn)方式中，感知區(qū)域?yàn)榕鲎矃^(qū)域，當(dāng)在感知區(qū)域內(nèi)達(dá)到狀態(tài)改變的觸發(fā)條件時(shí)，從狀態(tài)集中選取相應(yīng)的狀態(tài)，作為指定智能體改變后的狀態(tài)，包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為追捕狀態(tài)時(shí)，將指定智能體追捕的ai智能體作為目標(biāo)智能體，若檢測到指定智能體的碰撞區(qū)域與目標(biāo)智能體的碰撞區(qū)域存在重疊區(qū)域，將指定智能體的狀態(tài)改變?yōu)檫M(jìn)食狀態(tài)，將目標(biāo)智能體的狀態(tài)改變?yōu)楸怀誀顟B(tài)。

結(jié)合第一方面的第六種可能的實(shí)現(xiàn)方式，在第九種可能的實(shí)現(xiàn)方式中，感知區(qū)域?yàn)楦袘?yīng)區(qū)域，當(dāng)在感知區(qū)域內(nèi)達(dá)到狀態(tài)改變的觸發(fā)條件時(shí)，從狀態(tài)集中選取相應(yīng)的狀態(tài)，作為指定智能體改變后的狀態(tài)，包括：

當(dāng)在感應(yīng)區(qū)域檢測到捕食指定智能體的其它ai智能體時(shí)，將指定智能體的狀態(tài)改變?yōu)樘优軤顟B(tài)。

根據(jù)本發(fā)明的第二方面，提供了一種人工智能的實(shí)現(xiàn)裝置，該裝置包括：

獲取模塊，用于對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息；

第一確定模塊，用于根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)；

第二確定模塊，用于在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，確定指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。

根據(jù)本發(fā)明的第三方面，提供了一種人工智能的實(shí)現(xiàn)設(shè)備，該設(shè)備包括至少一個(gè)處理器；以及

與處理器通信連接的至少一個(gè)存儲器，其中：存儲器存儲有可被處理器執(zhí)行的程序指令，處理器調(diào)用程序指令能夠執(zhí)行上述第一方面或第一方面的各種可能的實(shí)現(xiàn)方式所提供的人工智能的實(shí)現(xiàn)方法。

根據(jù)本發(fā)明的第四方面，提供了一種非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)，該非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)存儲計(jì)算機(jī)指令，該計(jì)算機(jī)指令使該計(jì)算機(jī)執(zhí)行上述第一方面或第一方面的各種可能的實(shí)現(xiàn)方式所提供的人工智能的實(shí)現(xiàn)方法。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述是示例性和解釋性的，并不能限制本發(fā)明。

附圖說明

圖1為本發(fā)明實(shí)施例的一種人工智能的實(shí)現(xiàn)方法的流程示意圖；

圖2為本發(fā)明實(shí)施例的一種人工智能的實(shí)現(xiàn)方法的流程示意圖；

圖3為本發(fā)明實(shí)施例的一種狀態(tài)的遷移示意圖；

圖4為本發(fā)明實(shí)施例的一種人工智能的實(shí)現(xiàn)裝置的框圖；

圖5為本發(fā)明實(shí)施例的一種人工智能的實(shí)現(xiàn)設(shè)備的框圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

目前ai技術(shù)已被用于生產(chǎn)生活的各個(gè)方面，如可被應(yīng)用于游戲或者一些仿真模擬系統(tǒng)中。由于ai智能體能表現(xiàn)出與人或者其它生物的行為類似，從而可以提高游戲應(yīng)用程序的可玩性或仿真模擬系統(tǒng)的代入感。相關(guān)技術(shù)中提供了一種人工智能的實(shí)現(xiàn)方法，主要是通過預(yù)先設(shè)置固定的行為策略來控制ai智能體的移動(dòng)以及相關(guān)行為。例如，以游戲場景為例，游戲中的npc(non-player-controlledcharacter，非玩家控制角色)按照固定的路徑來回移動(dòng)，即使周圍環(huán)境因素發(fā)生改變也不會(huì)改變自身的移動(dòng)方式。

由于在游戲場景或仿真模擬系統(tǒng)中，ai智能體的行為方式通常需要基于周圍環(huán)境以及互動(dòng)機(jī)制而產(chǎn)生相應(yīng)的變化，當(dāng)ai智能體按照固定的移動(dòng)路徑來移動(dòng)，并按照固定的行為模式循環(huán)重復(fù)相應(yīng)的行為時(shí)，會(huì)導(dǎo)致模擬效果較差，進(jìn)而降低了游戲的可玩性或仿真模擬系統(tǒng)的代入感。

針對相關(guān)技術(shù)中的問題，本發(fā)明實(shí)施例提供了一種人工智能的實(shí)現(xiàn)方法。本發(fā)明實(shí)施例提供的方法，可以適用于游戲場景，也可以適用于仿真模擬系統(tǒng)。其中，本發(fā)明實(shí)施例提供的方法可適用于游戲中npc行為方式的控制，也可以適用于仿真模擬系統(tǒng)中仿真對象行為方式的控制，本發(fā)明實(shí)施例對此不作具體限定。為了便于說明，本發(fā)明實(shí)施例以應(yīng)用方向?yàn)榉抡婺M系統(tǒng)為例，對仿真模擬系統(tǒng)中仿真對象相應(yīng)的人工智能實(shí)現(xiàn)方法進(jìn)行說明。

仿真模擬系統(tǒng)的應(yīng)用場景通常很多，如不同生態(tài)系統(tǒng)內(nèi)的生物形態(tài)或者生物之間食物鏈的仿真模擬。其中，仿真模擬的生態(tài)系統(tǒng)可以為森林、草原、荒漠、冰川、海洋、河流、湖泊或濕地等，本發(fā)明實(shí)施例對此不作具體限定。為了便于說明，本發(fā)明實(shí)施例以海洋生態(tài)系統(tǒng)中生物之間食物鏈的仿真模擬為例，對不同生物的人工智能實(shí)現(xiàn)方法進(jìn)行說明。

需要說明的是，仿真模擬系統(tǒng)通常需要通過一定形式的進(jìn)行展示，本發(fā)明實(shí)施例可通過ar(augmentedreality，增強(qiáng)現(xiàn)實(shí))多媒體技術(shù)進(jìn)行展示。具體地，可通過在ar多媒體相應(yīng)的投影設(shè)備在四周墻壁上形成海底世界食物鏈的仿真模擬投影。例如，可以在封閉空間的中央布置三臺ar多媒體相應(yīng)的投影設(shè)備，從而可實(shí)現(xiàn)封閉空間內(nèi)360度的投影覆蓋。其中，每臺投影設(shè)備可對應(yīng)投影120度的投影區(qū)域。

當(dāng)然，除了三臺投影設(shè)備之外，還可以通過其它數(shù)量的投影設(shè)備實(shí)現(xiàn)投影，本發(fā)明實(shí)施例對此不作具體限定。為了便于說明，本發(fā)明實(shí)施例以其中一臺投影設(shè)備為例，對投影設(shè)備產(chǎn)生投影中ai智能體的人工智能實(shí)現(xiàn)方法進(jìn)行說明。其中，每臺投影設(shè)備可稱為一個(gè)客戶端。同一個(gè)場景space中可包含多個(gè)客戶端(投影設(shè)備)，每個(gè)space的投影數(shù)據(jù)可來源于mmo(massivelymultiplayeronline，大型多人在線游戲)服務(wù)器。由于mmo服務(wù)器需要提供投影數(shù)據(jù)，在執(zhí)行本發(fā)明實(shí)施例之前，可先基于mmo服務(wù)器，通過unity3d技術(shù)建立海底世界的三維場景，并基于三維場景建立海底世界食物鏈的仿真模擬系統(tǒng)。

參見圖1，該方法包括：101、對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息；102、根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)；103、在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，改變指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。

由于本發(fā)明實(shí)施例是以海洋生態(tài)系統(tǒng)為例，從而ai智能體可以為海洋生態(tài)系統(tǒng)中的不同魚類。狀態(tài)觸發(fā)信息可用于對觸發(fā)ai智能體的不同狀態(tài)，從而改變其狀態(tài)。心跳計(jì)數(shù)可通過心跳定時(shí)器來實(shí)現(xiàn)，每個(gè)space可對應(yīng)一個(gè)心跳定時(shí)器。其中，心跳定時(shí)器可用于模擬魚類的“心跳”，從而可通過魚類每次的“心跳”，讓魚類進(jìn)行“思考”，以改變相應(yīng)的“行為”。

本發(fā)明實(shí)施例提供的方法，對于已產(chǎn)生的任一ai智能體，通過將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息。根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)。在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，改變指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。由于ai智能體可實(shí)時(shí)獲取狀態(tài)觸發(fā)信息，依據(jù)狀態(tài)觸發(fā)信息來改變自身狀態(tài)，并根據(jù)改變后的狀態(tài)執(zhí)行相應(yīng)的行為，從而ai智能體能夠基于需求實(shí)時(shí)改變自身的行為方式，進(jìn)而相應(yīng)的模擬效果較好，并提高了游戲的可玩性或仿真模擬系統(tǒng)的代入感。

作為一種可選實(shí)施例，指定智能體的狀態(tài)為狀態(tài)集中的任一種狀態(tài)；狀態(tài)集包括出生狀態(tài)、自由狀態(tài)、玩耍狀態(tài)、逃跑狀態(tài)、覓食狀態(tài)、被吃狀態(tài)、追捕狀態(tài)以及進(jìn)食狀態(tài)。

作為一種可選實(shí)施例，狀態(tài)觸發(fā)信息為產(chǎn)生指定智能體后的累積時(shí)長，步驟2進(jìn)一步包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為出生狀態(tài)且累積時(shí)長大于第一預(yù)設(shè)閾值時(shí)，將指定智能體改變?yōu)樽杂蔂顟B(tài)。

作為一種可選實(shí)施例，狀態(tài)觸發(fā)信息為玩耍概率值，步驟2進(jìn)一步包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為自由狀態(tài)且玩耍概率值大于第二預(yù)設(shè)閾值時(shí)，將指定智能體改變?yōu)橥嫠顟B(tài)。

作為一種可選實(shí)施例，狀態(tài)觸發(fā)信息為飽食度，步驟2進(jìn)一步包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為自由狀態(tài)且指定智能體的飽食度低于第三預(yù)設(shè)閾值時(shí)，將指定智能體的狀態(tài)改變?yōu)橐捠碃顟B(tài)。

作為一種可選實(shí)施例，狀態(tài)觸發(fā)信息為位置信息，步驟2進(jìn)一步包括：

基于位置信息，確定指定智能體的感知區(qū)域；

當(dāng)在感知區(qū)域內(nèi)達(dá)到狀態(tài)改變的觸發(fā)條件時(shí)，從狀態(tài)集中選取相應(yīng)的狀態(tài)，作為指定智能體改變后的狀態(tài)。

作為一種可選實(shí)施例，感知區(qū)域?yàn)橐曇皡^(qū)域，當(dāng)在感知區(qū)域內(nèi)達(dá)到狀態(tài)改變的觸發(fā)條件時(shí)，從狀態(tài)集中選取相應(yīng)的狀態(tài)，作為指定智能體改變后的狀態(tài)，包括：

當(dāng)指定智能體的當(dāng)前狀態(tài)為覓食狀態(tài)、且在視野區(qū)域檢測到作為捕食目標(biāo)的其它ai智能體時(shí)，將指定智能體的狀態(tài)改變?yōu)樽凡稜顟B(tài)。

上述所有可選技術(shù)方案，可以采用任意結(jié)合形成本發(fā)明的可選實(shí)施例，在此不再一一贅述。

基于上述圖1對應(yīng)實(shí)施例的內(nèi)容，本發(fā)明實(shí)施例提供了一種人工智能的實(shí)現(xiàn)方法。本發(fā)明實(shí)施例主要是以其中一個(gè)space為例，對該space產(chǎn)生投影中ai智能體的人工智能實(shí)現(xiàn)方法進(jìn)行說明。其中，該space可對應(yīng)一個(gè)心跳定時(shí)器，以用于觸發(fā)不同的操作。通過為每個(gè)space設(shè)置一個(gè)心跳定時(shí)器，而不用為每個(gè)ai智能體各自設(shè)置一個(gè)心跳定時(shí)器，從而能夠減少資源的消耗。

參見圖2，該方法包括：201、預(yù)先產(chǎn)生ai智能體；202、對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息；203、根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)；204、在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，改變指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。

其中，201、預(yù)先產(chǎn)生ai智能體。

由上述圖1對應(yīng)實(shí)施例的內(nèi)容可知，本發(fā)明實(shí)施例主要是對海底世界食物鏈進(jìn)行仿真模擬，從而可先產(chǎn)生ai智能體。具體地，可在每次進(jìn)行心跳技數(shù)時(shí)，按照預(yù)設(shè)數(shù)量產(chǎn)生ai智能體。當(dāng)然，還可以按照隨機(jī)觸發(fā)的方式來產(chǎn)生ai智能體，本發(fā)明實(shí)施例不對ai智能體的產(chǎn)生時(shí)機(jī)或者方式作具體限定。

由于本發(fā)明實(shí)施例是對海底世界食物鏈的模擬，從而本步驟ai智能體可以為不同類型的魚類。為了后續(xù)說明，本發(fā)明實(shí)施例以魚類的類型為普通魚、魚群、食肉魚、虎鯨以及美人魚為例。其中，參與食物鏈的主體為普通魚與食肉魚，食肉魚可以吃普通魚。需要說明的是，普通魚可分為多種類型，食肉魚也可分為多種類型。每種類型食肉魚的食譜除了可以包括一種或多種普通魚，還可以包括其它類型的食肉魚，本發(fā)明實(shí)施例對此不作具體限定。

另外，在上述列舉的魚類類型中，魚群及美人魚主要是作為海底世界的展示元素，而不參與食物鏈的仿真模擬。由于海底世界仿真模擬系統(tǒng)能夠展示的魚類總數(shù)量是有上限的，從而為了避免產(chǎn)生過多的魚，在魚類總數(shù)量達(dá)到上限值時(shí)，可控制虎鯨出現(xiàn)在場景內(nèi)，并由虎鯨吃完場景內(nèi)所有的魚。另外，美人魚可以在場景內(nèi)隨機(jī)出現(xiàn)，在虎鯨即將出現(xiàn)之前離開場景。

其中，202、對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息。

在本步驟中，狀態(tài)觸發(fā)信息主要用于觸發(fā)ai智能體的不同狀態(tài)。ai智能體的狀態(tài)可以為狀態(tài)集中的任一種狀態(tài)。其中，狀態(tài)集可以包括出生狀態(tài)、自由狀態(tài)、玩耍狀態(tài)、逃跑狀態(tài)、覓食狀態(tài)、被吃狀態(tài)、追捕狀態(tài)以及進(jìn)食狀態(tài)。當(dāng)然，根據(jù)實(shí)際仿真模擬需求，狀態(tài)集還可以包括其它狀態(tài)，本發(fā)明實(shí)施例對此不作具體限定。

在上述列舉的狀態(tài)中，出生狀態(tài)代表魚類剛被產(chǎn)生時(shí)的保護(hù)狀態(tài)。具體地，處于出生狀態(tài)的魚在一定時(shí)間內(nèi)不會(huì)被攻擊，飽食度不會(huì)改變，且可以自由移動(dòng)。魚在遇到食物鏈中的上級魚類后會(huì)開始逃跑，即對應(yīng)逃跑狀態(tài)。魚在飽食度下降到一定數(shù)值后開始尋找食物，這種狀態(tài)即為覓食狀態(tài)。魚在餓時(shí)遇到食物鏈中的下級魚類后會(huì)開始追捕，這種狀態(tài)即為追捕狀態(tài)。為了便于后續(xù)說明ai智能體的狀態(tài)改變過程，本發(fā)明實(shí)施例以已產(chǎn)生的任一ai智能體為例，將該ai智能體作為指定智能體，從而對指定智能體的狀態(tài)改變過程進(jìn)行說明。

指定智能體在改變狀態(tài)之前，會(huì)處于上述狀態(tài)集所涵蓋的某種狀態(tài)下。在改變指定智能體的狀態(tài)時(shí)，需要先根據(jù)指定智能體當(dāng)前所處的狀態(tài)來獲取相應(yīng)的狀態(tài)觸發(fā)信息，從而基于狀態(tài)觸發(fā)信息實(shí)現(xiàn)狀態(tài)改變，具體過程可參考后續(xù)步驟中的內(nèi)容。

其中，203、根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)。

由上述步驟可知，狀態(tài)觸發(fā)信息可根據(jù)指定智能體當(dāng)前所處的狀態(tài)來獲取。相應(yīng)地，在根據(jù)狀態(tài)觸發(fā)信息改變指定智能體的狀態(tài)時(shí)，可以有不同的方式。具體地，若指定智能體的當(dāng)前狀態(tài)為出生狀態(tài)，而狀態(tài)觸發(fā)信息為產(chǎn)生指定智能體后的累積時(shí)長，當(dāng)累積時(shí)長大于第一預(yù)設(shè)閾值時(shí)，則指定智能體會(huì)失去出生時(shí)的被保護(hù)狀態(tài)，并狀態(tài)會(huì)改變?yōu)樽杂蔂顟B(tài)。需要說明的是，當(dāng)指定智能體為魚類時(shí)，該狀態(tài)變化的過程可適用于任何類型的魚，本發(fā)明實(shí)施例對此不作具體限定。

若指定智能體的當(dāng)前狀態(tài)為自由狀態(tài)，而狀態(tài)觸發(fā)信息為玩耍概率值，當(dāng)玩耍概率值大于第二預(yù)設(shè)閾值時(shí)，則指定智能體會(huì)進(jìn)入玩耍狀態(tài)。需要說明的是，若指定智能體的當(dāng)前狀態(tài)為玩耍狀態(tài)，當(dāng)玩耍時(shí)長大于一定數(shù)值時(shí)，則會(huì)玩耍結(jié)束并重新回到自由狀態(tài)。此時(shí)，玩耍時(shí)長可作為狀態(tài)觸發(fā)信息，以使得指定智能體由玩耍狀態(tài)改變?yōu)樽杂蔂顟B(tài)。需要說明的是，該狀態(tài)變化的過程可適用于任何類型的魚，本發(fā)明實(shí)施例對此不作具體限定。

若指定智能體的當(dāng)前狀態(tài)為自由狀態(tài)，而狀態(tài)觸發(fā)信息為飽食度，當(dāng)指定智能體的飽食度低于第三預(yù)設(shè)閾值時(shí)，將指定智能體的狀態(tài)改變?yōu)橐捠碃顟B(tài)。其中，飽食度用于表明指定智能體的饑餓程度。飽食度越高表明指定智能體越不饑餓，飽食度越低表明指定智能體越饑餓。需要說明的是，這里的覓食狀態(tài)指的是捕食其它魚類。由上述實(shí)施例的內(nèi)容可知，參與食物鏈的主要為普通魚以及食肉魚。普通魚不會(huì)捕食其它魚類，而食肉魚會(huì)捕食其它魚類。因此，該狀態(tài)變化的過程可適用于食肉魚類，本發(fā)明實(shí)施例對此不作具體限定。

由于海底世界的魚類遇到天敵會(huì)逃跑，遇到獵物會(huì)追捕，為了仿真模擬該場景，狀態(tài)觸發(fā)信息還可以為指定智能體的位置信息?；谥付ㄖ悄荏w的位置信息，當(dāng)在指定智能體的周圍檢測到了天敵，指定智能體可以逃跑。當(dāng)在指定智能體的周圍檢測到了獵物，則指定智能體會(huì)開始追捕。相應(yīng)地，本發(fā)明不對根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)的方式作具體限定，包括但不限于：基于位置信息，確定指定智能體的感知區(qū)域；當(dāng)在感知區(qū)域內(nèi)達(dá)到狀態(tài)改變的觸發(fā)條件時(shí)，從狀態(tài)集中選取相應(yīng)的狀態(tài)，作為指定智能體改變后的狀態(tài)。

為了讓指定智能體能夠感知到獵物或者天敵，可為指定智能體設(shè)置感知區(qū)域。其中，感知區(qū)域可分為視野區(qū)域、感應(yīng)區(qū)域以及碰撞區(qū)域，本發(fā)明實(shí)施例對此不作具體限定。在為指定智能體設(shè)置感知區(qū)域后，相當(dāng)于給指定智能體增加了“觸覺”，以用來感知周圍的環(huán)境。上述三種區(qū)域的形狀可以為圓形，對應(yīng)的區(qū)域范圍即以指定智能體為中心按照一定半徑所形成的圓形區(qū)域，本發(fā)明實(shí)施例對此也不作具體限定。

若指定智能體的當(dāng)前狀態(tài)為覓食狀態(tài)，則對于指定智能體而言，只要落入視野內(nèi)的獵物都會(huì)被作為追捕目標(biāo)。相應(yīng)地，感知區(qū)域可以為視野區(qū)域，當(dāng)在視野區(qū)域內(nèi)檢測到作為捕食目標(biāo)的其它ai智能體時(shí)，可將指定智能體的狀態(tài)改變?yōu)樽凡稜顟B(tài)。在上述過程中，觸發(fā)條件即為在視野區(qū)域內(nèi)檢測到作為捕食目標(biāo)的其它ai智能體。需要說明的是，由于落入到指定智能體視野區(qū)域內(nèi)的其它ai智能體可能會(huì)有很多，從而可預(yù)先建立指定智能體的食物列表。當(dāng)食物列表內(nèi)的其它ai智能體進(jìn)入指定智能體的視野區(qū)域內(nèi)時(shí)，指定智能體可從中任選一個(gè)ai智能體作為追捕對象，并進(jìn)入追捕狀態(tài)。

若指定智能體的當(dāng)前狀態(tài)為追捕狀態(tài)，則對于指定智能體而言，只要落入到該指定智能體捕食范圍內(nèi)的獵物都會(huì)被捕食。相應(yīng)地，感知區(qū)域可以為碰撞區(qū)域。指定智能體在追捕獵物時(shí)，當(dāng)指定智能體的碰撞區(qū)域與其追捕獵物的碰撞區(qū)域之間存在重疊區(qū)域時(shí)，則表明指定智能體與其追捕的獵物發(fā)生了“碰撞”，即獵物落入指定智能體的捕食范圍。相應(yīng)地，可將指定智能體的狀態(tài)變?yōu)檫M(jìn)食狀態(tài)。將被吃掉獵物的狀態(tài)變?yōu)楸怀誀顟B(tài)。其中，上述感知區(qū)域的設(shè)定主要來源于mmo引擎提供的aoi(areaofinterest，興趣區(qū)域)。aoi為mmo引擎提供的一個(gè)興趣范圍。為了減少ai帶來的消耗，本發(fā)明實(shí)施例通過在配置文件中設(shè)置aoi的半徑，同時(shí)在實(shí)體(ai智能體)被目擊后，由witness目擊者的回調(diào)函數(shù)onwitness中來激活相應(yīng)的ai行為。如果實(shí)體沒有被目擊，則ai可被設(shè)置為不可用，從而達(dá)到優(yōu)化性能的目的。

例如，以指定智能體為一條食肉魚為例。若有其它魚進(jìn)入了或離開了該食肉魚的視野區(qū)域，則可將進(jìn)入或離開視野區(qū)域的其它魚的標(biāo)識、以及該食肉魚的標(biāo)識拼接為json字符串或unit字符串，通過客戶端將字符串發(fā)送到mmo服務(wù)器。mmo服務(wù)器在消息類中接收客戶端發(fā)送的json字符串或者uint字符串，并對字符串進(jìn)行解析，從而基于解析得到的該食肉魚的標(biāo)識，獲取該食肉魚的實(shí)體。調(diào)用該實(shí)體中相應(yīng)的處理方法，以使得該食肉魚執(zhí)行相應(yīng)的追捕行為。

由于后續(xù)基于碰撞區(qū)域檢測到的碰撞類型，可分為障礙物碰撞以及與捕食目標(biāo)之間的碰撞，從而當(dāng)服務(wù)器接收到碰撞區(qū)域?qū)?yīng)的字符串時(shí)，可解析出實(shí)體(指定智能體)對應(yīng)的碰撞類型，并讓實(shí)體執(zhí)行相應(yīng)的行為。若該食肉魚與障礙物發(fā)生了碰撞，則可調(diào)用相應(yīng)的處理方法執(zhí)行避障行為。若該食肉魚與追捕目標(biāo)發(fā)生了碰撞，則可調(diào)用相應(yīng)的處理方法執(zhí)行進(jìn)食行為。

另外，指定智能體在進(jìn)食結(jié)束后會(huì)增加自身的飽食度，并由進(jìn)食狀態(tài)回到自由狀態(tài)。若指定智能體在回到自由狀態(tài)后，飽食度還是低于第三預(yù)設(shè)閾值，則指定智能體又會(huì)回到覓食狀態(tài)，并重復(fù)上述狀態(tài)轉(zhuǎn)變過程，直到飽食度大于第三預(yù)設(shè)閾值。

需要說明的是，指定智能體在追捕獵物時(shí)存在追捕失敗的情形，即獵物逃出了視野區(qū)域。此時(shí)，指定智能體會(huì)由追捕狀態(tài)重新回到覓食狀態(tài)。被追捕的獵物，即被追捕的其它ai智能體會(huì)由逃跑狀態(tài)重新回到自由狀態(tài)。

為了讓ai智能體感知到天敵，還可以為ai智能體設(shè)置感應(yīng)區(qū)域。當(dāng)在指定智能體的感應(yīng)區(qū)域內(nèi)檢測到捕食指定智能體的其它ai智能體時(shí)，可將指定智能體的狀態(tài)改變?yōu)樘优軤顟B(tài)。需要說明的是，在將指定智能體改變?yōu)樘优軤顟B(tài)之前，指定智能體所處的狀態(tài)可以為玩耍狀態(tài)、自由狀態(tài)、追捕狀態(tài)以及覓食狀態(tài)。也即，若指定智能體的當(dāng)前狀態(tài)為玩耍狀態(tài)、自由狀態(tài)、追捕狀態(tài)以及覓食狀態(tài)，而在指定智能體的感應(yīng)區(qū)域內(nèi)檢測到捕食指定智能體的其它ai智能體，則指定智能體的狀態(tài)會(huì)被改變?yōu)樘优軤顟B(tài)。

另外，由于落入到指定智能體感應(yīng)區(qū)域內(nèi)的其它ai智能體可能會(huì)有很多，從而可預(yù)先建立指定智能體的天敵列表。當(dāng)天敵列表內(nèi)的其它ai智能體進(jìn)入指定智能體的感應(yīng)區(qū)域時(shí)，指定智能體可進(jìn)入逃跑狀態(tài)。其中，上述各種狀態(tài)之間的遷移轉(zhuǎn)換過程可參考圖3。

需要說明的是，為了給用戶較為真實(shí)的感受，增強(qiáng)與用戶的交互體驗(yàn)，以盡量做到仿真模擬真實(shí)的海底世界，通常需要實(shí)現(xiàn)比較精確的碰撞檢測。目前，一般的mmo服務(wù)器引擎提供的的范圍觸發(fā)器與兩個(gè)實(shí)體的大小密切相關(guān)，在實(shí)現(xiàn)碰撞檢測時(shí)容易出現(xiàn)穿透現(xiàn)象，不能滿足仿真模擬的需求。另外，使用mmo服務(wù)器中常用的客戶端進(jìn)行碰撞器檢測碰撞，將檢測的信息發(fā)送至服務(wù)器，由服務(wù)器進(jìn)行校驗(yàn)和操作。這樣雖然做到了精確地檢測碰撞，但是也帶來了通信成本的增加。為了減少通信成本，本發(fā)明實(shí)施例通過客戶端作篩選，從源頭上減少信息量。與此同時(shí)，將json字符串盡量使用uint移位操作來進(jìn)行傳遞，可減少消息長度。

其中，204、在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，確定指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。

上述步驟203主要為指定智能體的狀態(tài)改變的過程，即相當(dāng)于給指定智能體加入了“思維”，讓其根據(jù)外界因素或者自身因素的改變，以實(shí)現(xiàn)自身狀態(tài)的遷移。指定智能體的狀態(tài)在改變后，可以在下一次心跳計(jì)數(shù)時(shí)按照相應(yīng)的行為模式以執(zhí)行相應(yīng)的行為。

具體地，指定智能體在進(jìn)入出生狀態(tài)后，可確定指定智能體的行為模式為自由移動(dòng)，饑餓度不變且不會(huì)捕食及被捕食。另外，還可根據(jù)移動(dòng)時(shí)自身的坐標(biāo)與障礙物坐標(biāo)之間的位置關(guān)系實(shí)時(shí)計(jì)算避障路線，并按照避障路線進(jìn)行移動(dòng)。

指定智能體在進(jìn)入自由狀態(tài)后，可確定指定智能體的行為模式為自由移動(dòng)。若指定智能體為食肉魚，則此時(shí)飽食度會(huì)開始下降。

當(dāng)飽食度低于第三預(yù)設(shè)閾值時(shí)，指定智能體會(huì)進(jìn)入覓食狀態(tài)。在進(jìn)入覓食狀態(tài)后，可確定指定智能體的行為模式為自由移動(dòng)，并同時(shí)持續(xù)降低飽食度。

當(dāng)在指定智能體的視野區(qū)域內(nèi)檢測到食物列表中的其它ai智能體時(shí)，指定智能體會(huì)由覓食狀態(tài)進(jìn)入追捕狀態(tài)。此時(shí)，可確定指定智能體的行為模式為追蹤。另外，還可增加其移動(dòng)速度并持續(xù)降低其飽食度。由于在追捕過程中，每一次進(jìn)行心跳計(jì)數(shù)時(shí)，指定智能體需要獲取改變后的狀態(tài)，并基于改變后的狀態(tài)來確定行為模式，以執(zhí)行相應(yīng)的行為，從而會(huì)造成行動(dòng)上的延遲卡頓。為了解決該問題，可按照比心跳周期更短的周期，實(shí)時(shí)規(guī)劃指定智能體的移動(dòng)路線，從而預(yù)先確定指定智能體的行為方式，避免在心跳計(jì)數(shù)時(shí)產(chǎn)生的延遲卡頓。例如，若心跳計(jì)數(shù)的時(shí)間周期為1秒，則實(shí)時(shí)規(guī)劃移動(dòng)路線的周期可以為0.2秒，本發(fā)明實(shí)施例不對兩者的周期長度作具體限定。

指定智能體在追捕其它ai智能體后，若指定智能體的碰撞區(qū)域與追捕目標(biāo)的碰撞區(qū)域之間存在重疊區(qū)域，則指定智能體會(huì)進(jìn)入進(jìn)食狀態(tài)。此時(shí)，可確定指定智能體的行為模式為進(jìn)食。需要說明的是，指定智能體在進(jìn)食完畢后，會(huì)根據(jù)進(jìn)食目標(biāo)的能量值提高自身的飽食度。另外，進(jìn)食完畢后還可以有相應(yīng)的消化時(shí)間，消化時(shí)間結(jié)束后再確認(rèn)指定智能體下一階段的狀態(tài)。

指定智能體在被追捕到后，指定智能體會(huì)進(jìn)入被吃狀態(tài)。此時(shí)，可確定指定智能體的行為模式為銷毀，即指定智能體會(huì)在場景中消失。指定智能體在進(jìn)入玩耍狀態(tài)后，可確定指定智能體的行為模式為玩耍。此時(shí)，可通過動(dòng)畫的方式使得指定智能體執(zhí)行相應(yīng)的玩耍行為。

本發(fā)明實(shí)施例提供的方法，通過預(yù)先產(chǎn)生ai智能體，對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息。根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)。在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，改變指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。由于ai智能體可實(shí)時(shí)獲取狀態(tài)觸發(fā)信息，依據(jù)狀態(tài)觸發(fā)信息來改變自身狀態(tài)，并根據(jù)改變后的狀態(tài)執(zhí)行相應(yīng)的行為，從而ai智能體能夠基于需求實(shí)時(shí)改變自身的行為方式，進(jìn)而相應(yīng)的模擬效果較好，并提高了游戲的可玩性或仿真模擬系統(tǒng)的代入感。

本發(fā)明實(shí)施例提供了一種人工智能的實(shí)現(xiàn)裝置，該裝置用于執(zhí)行上述圖1或圖2對應(yīng)的實(shí)施例中所提供的人工智能的實(shí)現(xiàn)方法。參見圖4，該裝置包括：

獲取模塊401，用于對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息；

第一確定模塊402，用于根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)；

第二確定模塊403，用于在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，確定指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。

作為一種可選實(shí)施例，指定智能體的狀態(tài)為狀態(tài)集中的任一種狀態(tài)；狀態(tài)集包括出生狀態(tài)、自由狀態(tài)、玩耍狀態(tài)、逃跑狀態(tài)、覓食狀態(tài)、被吃狀態(tài)、追捕狀態(tài)以及進(jìn)食狀態(tài)。

作為一種可選實(shí)施例，狀態(tài)觸發(fā)信息為產(chǎn)生指定智能體后的累積時(shí)長，第一確定模塊402，用于當(dāng)指定智能體的當(dāng)前狀態(tài)為出生狀態(tài)且累積時(shí)長大于第一預(yù)設(shè)閾值時(shí)，將指定智能體改變?yōu)樽杂蔂顟B(tài)。

作為一種可選實(shí)施例，狀態(tài)觸發(fā)信息為玩耍概率值，第一確定模塊402，用于當(dāng)指定智能體的當(dāng)前狀態(tài)為自由狀態(tài)且玩耍概率值大于第二預(yù)設(shè)閾值時(shí)，將指定智能體改變?yōu)橥嫠顟B(tài)。

作為一種可選實(shí)施例，狀態(tài)觸發(fā)信息為飽食度，第一確定模塊402，用于當(dāng)指定智能體的當(dāng)前狀態(tài)為自由狀態(tài)且指定智能體的飽食度低于第三預(yù)設(shè)閾值時(shí)，將指定智能體的狀態(tài)改變?yōu)橐捠碃顟B(tài)。

作為一種可選實(shí)施例，狀態(tài)觸發(fā)信息為位置信息，第一確定模塊402，包括：

確定單元，用于基于位置信息，確定指定智能體的感知區(qū)域；

選取單元，用于當(dāng)在感知區(qū)域內(nèi)達(dá)到狀態(tài)改變的觸發(fā)條件時(shí)，從狀態(tài)集中選取相應(yīng)的狀態(tài)，作為指定智能體改變后的狀態(tài)。

作為一種可選實(shí)施例，感知區(qū)域?yàn)橐曇皡^(qū)域，選取單元，用于當(dāng)指定智能體的當(dāng)前狀態(tài)為覓食狀態(tài)、且在視野區(qū)域檢測到作為捕食目標(biāo)的其它ai智能體時(shí)，將指定智能體的狀態(tài)改變?yōu)樽凡稜顟B(tài)。

本發(fā)明實(shí)施例提供的裝置，對于已產(chǎn)生的任一ai智能體，通過將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息。根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)。在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，改變指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。由于ai智能體可實(shí)時(shí)獲取狀態(tài)觸發(fā)信息，依據(jù)狀態(tài)觸發(fā)信息來改變自身狀態(tài)，并根據(jù)改變后的狀態(tài)執(zhí)行相應(yīng)的行為，從而ai智能體能夠基于需求實(shí)時(shí)改變自身的行為方式，進(jìn)而相應(yīng)的模擬效果較好，并提高了游戲的可玩性或仿真模擬系統(tǒng)的代入感。

本發(fā)明實(shí)施例提供了一種人工智能的實(shí)現(xiàn)設(shè)備。參見圖5，該彈人工智能的實(shí)現(xiàn)設(shè)備包括：處理器(processor)501、存儲器(memory)502和總線503；

其中，處理器501及存儲器502分別通過總線503完成相互間的通信；

處理器501用于調(diào)用存儲器502中的程序指令，以執(zhí)行上述圖1或圖2對應(yīng)實(shí)施例所提供的人工智能的實(shí)現(xiàn)方法，例如包括：對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息；根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)；在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，確定指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。

本發(fā)明實(shí)施例提供了一種非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)，該非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)存儲計(jì)算機(jī)指令，該計(jì)算機(jī)指令使該計(jì)算機(jī)執(zhí)行上述各方法實(shí)施例所提供的方法，例如包括：對于已產(chǎn)生的任一ai智能體，將任一ai智能體作為指定智能體，獲取指定智能體當(dāng)前的狀態(tài)觸發(fā)信息；根據(jù)狀態(tài)觸發(fā)信息，確定指定智能體的狀態(tài)；在對指定智能體進(jìn)行下一次心跳計(jì)數(shù)時(shí)，基于改變后的狀態(tài)，確定指定智能體的行為模式，以使得指定智能體基于行為模式執(zhí)行相應(yīng)的行為。

最后，本申請的方法僅為較佳的實(shí)施方案，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。