一种基于智能体协同优化的游戏场景渲染优化方法、装置、存储介质以及处理设备
本发明涉及游戏场景渲染优化,尤其涉及一种基于智能体协同优化的游戏场景渲染优化方法、装置、存储介质以及处理设备。
背景技术:
1、随着高品质游戏、数字孪生可视化与实时交互应用的快速发展,复杂场景在虚幻引擎等实时渲染平台中的应用规模持续扩大。为了满足不同项目在画面风格、性能指标与跨平台适配方面的综合要求,场景渲染参数需要进行精细化、持续化调优。
2、现有技术中,通常由技术美术或图形开发人员依据项目经验,对光照、后处理、体积雾、天空大气等参数进行多轮手动试错,并通过反复预览和性能检测完成调参,再逐项固化到工程配置中。该方式存在诸多缺陷:参数决策高度依赖个人经验,缺乏统一标准化推导机制;重复性调参与回归验证过程耗时且易出错,中大型场景达到可发布质量的周期长;当需求变更或场景资产更新时,往往需要重新执行大量调优工作,迭代成本高;非专业人员难以直接参与渲染优化流程,协同效率受限;优化过程缺少结构化记录与闭环反馈,不利于复用和持续改进。
3、为提升调参效率,部分现有技术尝试引入通用ai模型、智能体与大模型方案进行渲染参数自动推荐。然而,此类方案通常采用一刀切的全局降质策略,无法区分游戏场景中的核心视觉对象与背景对象,导致玩家角色、交互目标等关键画面细节同步受损,严重影响游戏体验;例如,现有多数基于通用大语言模型的渲染参数自动推荐方案,采用全局统一的参数调整策略,未针对游戏渲染领域构建专属的参数约束机制,易出现推理幻觉、参数取值失控、破坏预设美术风格等问题,难以直接应用于商业游戏项目。同时,通用ai模型缺乏对渲染参数物理边界、美术风格约束及参数间动态联动关系的硬性知识,生成参数易偏离合理取值区间,引发过曝、色偏、帧率剧烈波动等问题,进一步加剧了参数失控与风格破坏的风险,难以实际应用于商业游戏项目。
4、综上,现有技术无法同时实现渲染参数调优效率提升、核心视觉画面品质保障与差异化性能开销控制,难以在缩短调参周期的同时,既保留关键视觉对象的画面质量与美术风格一致性,又针对性降低非核心区域的渲染开销;同时现有智能体/大模型方案还存在易产生推理幻觉、参数取值失控、破坏预设美术风格的缺陷,难以直接应用于商业游戏项目。
技术实现思路
1、针对现有技术中存在的上述缺陷,本发明的目的在于提供一种基于智能体协同优化的游戏场景渲染优化方法、装置、存储介质以及处理设备。本发明旨在同时解决传统人工调参效率低、优化经验难以沉淀复用,以及现有智能体/大模型方案在渲染调优中存在的推理幻觉、参数失控、全局降质损伤核心画面、破坏美术风格的核心问题;通过将游戏渲染专属硬约束规则库深度植入智能体决策全流程,结合参数联动机制与基于视觉重要度的对象级差异化优化策略,在大幅提升渲染调参效率的同时,保障核心视觉对象的画面质量,实现美术风格一致性与性能优化的平衡,并通过闭环反馈与知识库迭代构建可持续进化的优化体系。
2、本发明的上述目的通过如下技术手段实现:
3、一方面,本发明公开一种基于智能体协同优化的游戏场景渲染优化方法,包括如下步骤:
4、获取目标游戏场景的场景状态数据以及用户输入的自然语言形式的渲染优化指令;
5、将所述场景状态数据和所述渲染优化指令输入智能体决策模型,所述智能体决策模型内置游戏渲染专属硬约束规则库;所述硬约束规则库包括渲染参数固定取值约束、渲染参数联动约束以及优先级冲突规则;所述智能体决策模型在推理前加载约束条件、推理过程中依据约束限制参数逻辑、输出前对超限参数自动裁剪,最终生成包含工具标识与对应参数信息的优化决策数据;
6、根据所述优化决策数据调用对应游戏引擎渲染执行接口,对目标游戏场景执行渲染参数调整;
7、输出渲染执行结果数据,以指示所述目标游戏场景的渲染状态变化;
8、其中,所述游戏渲染专属硬约束规则库用于限定智能体决策的参数取值边界与参数联动逻辑,保障输出的渲染参数处于预设的合理范围内。
9、进一步的,所述获取目标游戏场景的场景状态数据的步骤具体包括: 识别游戏场景中的方向光对象、天空大气对象、体积雾对象、体积云对象以及后处理对象;
10、提取各对象对应的渲染参数; 建立渲染参数关联图谱,所述渲染参数关联图谱采用静态美术规则预设与动态案例学习相结合的双轨构建机制:静态规则层以有向图结构存储预定义的渲染参数联动关系及其权重系数,动态学习层通过apriori关联规则算法从历史高分优化案例中挖掘补充联动规则并存储;
11、根据所述渲染参数关联图谱确定参数联动约束关系,所述参数联动约束关系用于作为智能体决策模型的输入约束条件。
12、更进一步的,所述智能体决策模型生成优化决策数据的步骤具体包括:
13、计算场景中各对象的视觉重要度评分;
14、根据所述视觉重要度评分将场景对象划分为核心视觉对象和非核心视觉对象;
15、当性能指标低于预设阈值时,触发所述优先级冲突规则,强制智能体优先降低非核心视觉对象的阴影精度、体积云质量以及远景细节等级,同时保持核心视觉对象的光照质量和材质质量不低于预设阈值。
16、进一步的,还包括渲染优化知识库更新步骤:
17、构建包含场景风格类型、渲染参数关联关系、性能优化策略以及历史优化案例的渲染优化知识库;
18、根据执行后的画质评价指标和性能评价指标生成优化效果评分;
19、当所述优化效果评分达到预设阈值时,提取对应渲染参数组合及场景特征,更新所述渲染优化知识库,以供后续智能体决策模型检索调用。
20、进一步的,还包括风格一致性反馈闭环优化步骤:
21、获取优化后的场景图像;
22、识别场景图像对应的实际风格标签;
23、将所述实际风格标签与用户输入的目标风格标签进行比较,计算风格保持率;
24、当所述风格保持率低于预设阈值时,提高与风格相关渲染参数的优先级,降低性能优化参数的调整幅度,以保证场景风格一致性。
25、进一步的,所述输出渲染执行结果数据具体包括:目标场景风格保持率、核心视觉对象质量保持率、非核心视觉对象渲染开销降低率以及性能达成率;所述智能体决策模型根据所述渲染执行结果数据生成后续渲染优化策略。
26、进一步的,所述智能体决策模型采用渲染优化智能体架构,包括场景分析子模块、渲染规则匹配子模块、参数协同优化子模块以及效果评估子模块;
27、所述场景分析子模块用于识别场景类型、对象组成及性能状态;
28、所述渲染规则匹配子模块用于匹配对应场景风格的渲染规则模板;
29、所述参数协同优化子模块用于基于渲染参数关联图谱同步生成多个关联参数调整方案;
30、所述效果评估子模块用于评价渲染结果与目标风格之间的匹配程度。
31、另一方面,本发明还公开一种基于智能体协同优化的游戏场景渲染优化装置,所述的基于智能体协同优化的游戏场景渲染优化方法,包括:
32、数据获取模块,用于获取目标游戏场景的场景状态数据以及用户输入的自然语言形式的渲染优化指令;智能体决策模块,内置游戏渲染专属硬约束规则库;
33、所述硬约束规则库包括渲染参数固定取值约束、渲染参数联动约束以及优先级冲突规则;
34、所述智能体决策模块用于在推理前加载约束条件、推理过程中限制参数逻辑、输出前对超限参数自动裁剪,生成包含工具标识与对应参数信息的优化决策数据;
35、渲染执行模块,用于根据所述优化决策数据调用对应游戏引擎渲染执行接口,对目标游戏场景执行渲染参数调整;
36、结果输出模块,用于输出渲染执行结果数据,以指示所述目标游戏场景的渲染状态变化。
37、又一方面,本发明还公开一种非瞬时计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的基于智能体协同优化的游戏场景渲染优化方法。
38、再一方面,本发明还公开一种数据处理设备,包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器执行所述计算机指令时实现所述的基于智能体协同优化的游戏场景渲染优化方法。
39、采用上述技术方案所产生的有益效果:
40、1.本发明通过内置游戏渲染专属硬约束规则库的智能体决策模型实现自动化调参,支持用户通过自然语言形式下达优化指令,替代传统人工多轮试错的调参方式;同时通过渲染参数固定取值约束、参数联动约束、优先级冲突规则三类规则体系,在推理前加载约束条件、推理过程中限制参数逻辑、输出前对超限参数自动裁剪,对智能体决策实现全流程硬性限定。该方案既将调参周期从数小时级压缩至分钟级,又从机制层面确保输出的渲染参数始终处于预设的合理范围内,彻底克服了现有技术人工调参效率低、通用智能体/大模型方案易出现推理幻觉与参数失控的核心缺陷。
41、2.本发明通过静态美术规则预设与动态案例学习相结合的双轨机制构建渲染参数关联图谱,以有向图结构固化参数间的美术联动逻辑,并通过关联规则算法持续挖掘补充联动规则;智能体决策时基于关联图谱同步生成方向光、天空大气、体积雾、后处理等多类参数的联动调整方案,避免孤立调整单个参数导致的画面不协调、风格割裂问题,保障渲染效果的美术完整性与风格统一性。
42、3.本发明通过量化公式计算场景对象的视觉重要度评分,以此划分核心视觉对象与非核心视觉对象;当性能指标低于预设阈值时,触发优先级冲突规则,按三级梯度逐级降低非核心视觉对象的阴影精度、体积云质量与远景细节等级,全程保持核心视觉对象的光照质量与材质质量不低于预设阈值。该方案能够在有效降低渲染开销、提升运行帧率的同时,最大程度保留玩家核心视觉区域的画面质量,实现“减负不降质”的优化效果,解决了现有全局降质方案无差别损伤关键画面细节的问题。
43、4.本发明构建包含场景风格、参数关联、优化策略、历史案例的结构化渲染优化知识库,每次优化执行后结合画质与性能多维度指标生成优化效果评分,将达到预设阈值的成功参数组合与场景特征提取入库,并对动态联动规则进行权重迭代。随着使用积累,系统能够持续沉淀成功优化经验,不断提升智能体决策的场景适配性与准确性,降低需求变更、场景资产更新后的调参迭代成本,使优化经验能够沉淀复用、具备跨场景适配性。
44、5.本发明设置风格一致性反馈闭环机制,通过识别优化后场景图像的实际风格标签,计算与目标风格的风格保持率;当风格保持率低于预设阈值时,自动提高风格相关渲染参数的约束优先级,收窄性能优化参数的调整幅度。该机制能够自动修正性能优化过程对预设美术风格的扰动,确保优化不偏离既定视觉目标,不破坏美术风格一致性,实现性能提升与画质风格的平衡。
45、6.本发明输出目标场景风格保持率、核心视觉对象质量保持率、非核心视觉对象渲染开销降低率、性能达成率四项核心量化指标,并将结果同步反馈至智能体决策模型,驱动后续优化策略的迭代调整。该设计使渲染优化全程具备可度量性与可追溯性,便于开发人员直观评估优化效果、把控优化质量,同时为智能体的闭环进化提供数据支撑。
46、7.本发明的智能体决策模型采用场景分析、渲染规则匹配、参数协同优化、效果评估的模块化流水线架构,各子模块职责边界清晰,便于后续维护与功能扩展;同时采用双端口双通道通信架构,对话流与工具流分离传输,基于tcp协议保障指令与数据传输的稳定性与效率,适配商业游戏项目的工程化落地需求。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com