程序聚合 软件案例 动态人机交互迷宫体验项目

动态人机交互迷宫体验项目

2025-07-14 16:50:13
行业:VR/AR、游戏/电竞
载体:安卓APP、游戏
技术:Java、Unity

业务和功能介绍

一方面vr眼镜沉浸式体验迷宫,另一方面app可动态监看玩家的动向以及控制各道具的生成。不仅有玩家和迷宫中道具的交互,还有了玩家和监控者的交互,更新颖,提高了娱乐性。此项目的交互性和沉浸性可以吸引很多家庭的购买。
此项目是大学期间做科研助手时参与的项目,直接和老师对接需求,一开始并没有要求道具要动态生成,一开始只有金币道具随机生成,玩家捡金币到一定数量,迷宫出口才会出现。也没有要求要得到玩家的朝向,而是实时显示位置即可,后来做的时候我顺手加上了实时显示朝向的功能,老师发现这个监控app做的挺清晰的,因此提出道具可以通过监控app在玩家体验迷宫时动态的拖放进去,更加有交互性。
1. 迷宫监控端app-可在纸上随意画4*4网格图,线条代表迷宫的墙壁,某个位置线条缺失代表此处不存在墙壁。app任意角度拍摄网格图,或者可以直接使用app绘制图片,人工点击网格线的四个个角,对四个点内的图片做仿射变换将网格图变换成横平竖直的图片,下一步图像处理识别网格图哪里有线条,哪里没有线条,将识别结果通过局域网udp通信发送给vr体验端,生成迷宫使用。同时体验端在游玩时,监控app可以实时显示玩家在迷宫中的位置和朝向,以及可以拖放道具到迷宫中某个位置,体验端会在对应位置生成道具。
2. vr体验端:unity实现,体验端接收到监控端的识别结果后,动态生成迷宫墙壁。玩家佩戴眼镜通过手柄操作在迷宫中探索,拾取迷宫中道具,达成一定目标后迷宫开放出口,玩家可寻找出口走出迷宫,游戏结束。

项目实现

此项目参与三人,项目周期2个月.我主要负责监控app端的实时监控和道具的拖放,两端数据的udp通信,以及vr体验端的全部工作。
项目亮点
1. 拍照网格图动态生成迷宫,操作方式丰富,上手快,可以纸上绘制网格图,也可以app绘制,迷宫即可动态生成。
2. 实时监控玩家动态和道具生成,这种方式更扩大了游戏的体验感,不仅游戏本人参与进去,旁观者同样也沉浸进去,比较有创意。
难点:
难的不会,会的不难。
就当时来说,由于项目经验不多,蓝牙手柄的控制因为不熟悉就算是一个难点。
另一个难点时两端通信:数据在实时的发送给另一端,就涉及一些可靠性和顺序性的控制,不能让关键数据丢失,要有重发机制;旧的数据比新的数据晚到,可能会出现数据异常,此时需要加时间戳来控制顺序性,保证新数据应用时,旧数据已经处理过。

示例图片视频


老猿
30天前活跃
方向: 后端-C++、桌面端-Qt、
交付率:100.00%
相似推荐
H5麻将(3D版)
本方案以 H5 技术结合 3D 渲染引擎打造麻将游戏前端,无需下载安装,浏览器内即开即玩,呈现立体生动的牌局画面与流畅交互体验,适配多类设备。后端采用 C 语言开发高性能服务端,凭借底层执行效率与精细内存管理,可稳定承载高并发访问,满足大量玩家同场竞技,保障牌局同步及时、操作响应迅速。整体架构高内聚低耦合,迁移方便,灵活部署于各类服务器与云平台,快速扩容、成本可控,兼顾画质、性能与运维便利。
掼蛋H5版
本方案以 H5 技术打造掼蛋游戏前端,免安装、即点即玩,浏览器内即可流畅开局,适配各类设备,用户体验出色。后端采用 C 语言开发高性能服务端,凭借底层执行效率与内存优化,能够稳定承载高并发访问,满足大量玩家同时在线的对局需求,保证牌局快速同步、响应及时。整体架构高度解耦,迁移方便,可灵活部署于各类服务器与云环境,快速扩容、低成本运维,兼顾稳定性、性能与部署灵活性,是成熟的棋牌平台解决方案。
H5斗地主
本方案采用 H5 技术构建斗地主游戏前端,无需安装客户端,通过浏览器即可随时随地开玩,兼容性强、体验流畅。后端基于 C 语言开发高性能服务端,凭借 C 语言的底层优势与极佳的执行效率,能够稳定支撑大规模并发访问,轻松应对海量玩家同时在线的压力,保证对局稳定、响应迅速。整体架构耦合度低、迁移方便,可灵活部署至多种服务器环境与云平台,实现低成本快速扩展,兼顾用户体验、性能与运维便利性。
基于神经网络的游戏动画系统
MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统,旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然,以及角色运动与动画表现难以协调等问题。 项目以神经网络动作生成技术为核心,结合游戏引擎的角色运动系统,实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。 主要功能包括: 动画数据采集与处理: 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息,完成骨骼映射、数据清洗、质量审核与训练数据集构建。 AI 动作模型训练: 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能,支持模型检查点管理、训练指标记录及实验评估。 条件动作生成: 利用角色根运动轨迹、历史动作状态及参考姿态等条件,生成连续骨骼动作,研究不同运动条件下的动画生成效果。 复杂动作约束: 针对跑酷、跨越障碍等复杂场景,支持参考姿态引导及关键帧约束,改善动作准确性与空间匹配效果。 UE 动画集成与验证: 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力,支持生成动作的预览、重建、测试及效果分析。 模型评测与对比: 通过骨骼位置误差、运动连续性、关键帧约束误差等指标,对不同模型及优化方案进行定量分析。 项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设,为智能角色运动与游戏动画自动化提供技术基础。
H5休闲解压益智游戏(拖拽对齐,单文件纯前端)-拉线解压 KNOT OUT
《拉线解压》(KNOT OUT)是一款纯前端、零后端的 H5 休闲解压益智游戏。核心操作:拖动一根线的控制点,把线的中点精确送入目标环;吸附越准,评级越高(金/银/铜),并触发连击。 功能模块:① 操作与判定——拖拽线并实时吸附判定,按精度分金/银/铜三档(金档才续连击),配连击上行音反馈;② 关卡与难度包络——线数随关卡从 3 递增到 10、吸附窗口逐关收紧(78→48px),目标环视觉与判定窗口一致;③ 风格目标——按关卡轮换「全金档 / 全程无错位 / 由外向内(目标环标 1..N 序号)」,达成即得星;④ 每日挑战——以本地日期为种子的独立关卡,布局与主题由种子确定;⑤ 留痕世界——把逐关评级、星与每日印记,按存档确定性重算成一条「世界路径」;⑥ 音频——音效全部由 Web Audio 实时合成(C 大调音阶),BGM 三首可轮播。 主要功能路径:打开即玩 → 拖线对齐 → 评分/连击 → 过关结算 → 下一关 / 每日挑战 → 世界回顾。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服