业务背景
《湮灭：边界线》是一款二次元战棋手机游戏，由原公司和外部公司合作开发，本人作为程序部门负责人参与项目开发。
功能介绍
《湮灭：边界线》核心玩法为战棋PVE战斗，周边玩法有抽卡系统，提供丰富的角色。卡牌培养系统，玩家强化卡牌。基建系统，属于副玩法，让玩家除推关以外还能有其他打法时间的内容。剧情系统，提供丰富的世界观剧情。邮件系统，用于日常活动和福利通知。好友系统，提供好友助战功能。
项目实现
本人在项目中主要负责战斗逻辑相关功能，同时也进行一些UI功能开发和SDK接入工作。角色AI系统开发，核心使用有限状态机。角色技能和buff系统开发，由于有预览和撤销的需求，以命令模式为核心开发了技能预览功能。同时还有战斗流程和战斗事件系统等开发。
示例图片视频
相似推荐
基于中文的BERT-LSTM情感分析系统
1. 多场景情感识别
功能模块 支持类型 应用场景
二分类模式 正向/负向 商品评价快速分级
细粒度分析 1-5星评级 客户满意度调查
情感强度分析 置信度(0-1) 舆情危机预警
2. 特色功能
上下文感知：识别"这个手机续航差，但是拍照绝了"中的矛盾情感
领域自适应：提供金融、医疗、电商等领域的预训练模型
实时分析API：支持每秒200+请求的并发处理
可视化看板：动态生成情感分布热力图与关键词云
医学图像分割
医学图像分割的目的是使图像中解剖或病理结构的变化更加清晰;它在计算机辅助诊断和智能医疗中发挥着至关重要的作用，极大地提高了诊断的效率和准确性。
python使用环境搭建
1、标记数据
2、使用Pytorch搭建深度学习模型（bachbone为Resnet），划分训练集、测试机
3、模型离线推理
4、Linux下实验环境搭建、NVIDIA显卡驱动安装等
5、windown下模型部署
图像分类
随着深度学习的兴起，卷积神经网络（CNN）在图像分类任务上取得了巨大的成功。CNN通过多层卷积和池化操作，自动学习图像的特征表示，并且能够从大规模数据中进行端到端的训练。著名的CNN模型，如LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等，不断推动图像分类的性能和效果的提升。
1、标记数据
2、使用Pytorch搭建深度学习模型（bachbone为Resnet），划分训练集、测试机
3、模型离线推理
4、python使用环境搭建，Linux下实验环境搭建、NVIDIA显卡驱动安装等，windown下模型部署
仿生机器手掌
集成化模块：利用 ROS 架构整合驱动器、传感器和控制单元，简化通信，提高能源效率和便携性。
多模态感知模块：集成多种传感器，借助 ROS 融合数据，增强环境感知，保障操作安全高效。
可拓展性模块：采用模块化设计，组件标准化，便于更换升级，兼容第三方配件和现有系统。
人工智能学习模块：运用机器学习和 AI 技术开发算法，使机器手能依环境反馈自动调整动作，适应复杂环境。
核心控制电路模块：作为机器手的控制核心，通过多种电路和功能模块实现指令传达、电流监控和通信，对关键部件进行精细配置。
传感器数据采集模块：配置多种传感器采集环境信息，各指骨板和手掌核心板分工协作，实现数据采集、处理和整体控制。
电机控制模块：控制电机运转，根据指关节位置设定调节电机转向，确保机器手精准动作。
模型训练部署全流程
对于使用者来说，可以直接使用api的方式调用服务，服务最终可以反馈算法的执行结果，成功与否，目标位置等。还可以基于我的项目进行二次开发，源码库部署，ai前沿工具的使用都会一些，对k8s，onnx，tensorrt等都有一些了解
帮助文档
Copyright @ 2021-2024 程序聚合 | 浙ICP备2021014372号
人工客服