第三稿:借助关卡流送体积基于玩家视点控制关卡流送

本文详细描述了在游戏开发中如何在SunTemple项目中实现室内空间与室外天井的流送,通过创建两个关卡SunTemple_Persistent和SunTemple_Streaming,使用LevelStreamingVolume进行体积流入,确保玩家体验的流畅性。

从 Sun Temple 项目中的主关卡开始。此关卡已被拆分为室内空间和面朝大海、拥有柱子的末端天井。在下方的线框图中,青色线框为固定的室内关卡,黄色线框为将被流入的天井。天空和海洋处于固定关卡中,主庙宇场景中有数个窗口,可看到天空和室外场景。

LevelSplit.png

庙宇室内场景的走廊中有一个弯拐,遮挡了天井区域。

StartLoading.png

我们需要在此处开始流入天井。玩家转过弯拐靠近天井时,将加载并显示流送关卡。

StreamingLevelVisible.png

设置拥有两个关卡,SunTemple_Persistent 和 SunTemple_Streaming玩家出生点 位于 SunTemple_Persistent 中,游戏中的玩家由 角色 表示。

设置拥有两个关卡,SunTemple_Persistent 和 SunTemple_Streaming玩家出生点 位于 SunTemple_Persistent 中,游戏中的玩家由 角色 表示。

  1. 在 Content Browser 中打开 SunTemple_Persistent

  2. 将 玩家出生点 移至庙宇开端的位置。

    PlayerStart.png

  3. 点击 Windows,然后选择 Levels

    WindowLevels.png

  4. 点击 Levels 下拉菜单,然后选择 Add Existing... 新增一个关卡分段。

    AddExisting.png

  5. 选择 SunTemple_Streaming 加入 Open Level 对话,然后点击 Open

    SunTempleStreaming_Select.png

  6. 右键点击 Persistent Level,从下拉菜单中选择 Make Current

使用体积流入关卡

  1. 在 放置Actor(Place Actors) 面板的 体积(Volumes) 选项卡中将一个 关卡流送体积(Level Streaming Volume) 拖入关卡。

    LevelStreamingVolumeModes.png

  2. 使 关卡流送体积 包含 SunTemple_Streaming 整个可行走的区域。 

    LSVPlacement.png

    注意,关卡流送体积的逻辑会追踪使用中摄像机的位置。因此,如果摄像机离玩家 Pawn 或角色较远,可能需要相应地调整 关卡流送体积的大小和放置。

  3. 点击 Windows,然后选择 Levels

    WindowLevels.png

  4. 选择 SunTemple_Streaming,然后点击 Level Details 图标。

    LevelDetails.png

  5. 点击 Streaming Volumes 旁边的加号(+)新添加一个体积。然后使用下拉菜单或滴管选择放置在关卡中的 关卡流送体积。 

    AddLSV.png

  6. 确保 Initially Loaded 和 Initially Visible 复选框未勾选,然后关闭 Level Details 面板。

  7. 返回 视口,选择 Level Streaming Volume。在 Details 面板中设置体积的以下属性:取消勾选 Editor Pre Vis Only 和 DisabledStreaming Usage 应被设为 SVB Visibility Blocking on Load

    LSVSettings.png

  8. 使用 Play in Editor 测试流送关卡。

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Growthofnotes

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值