GZDoom中自定义难度与SpawnMulti属性的兼容性问题解析
2025-06-29 03:31:52作者:史锋燃Gardner
问题背景
在GZDoom游戏引擎的最新版本中,开发者发现了一个关于自定义难度设置与怪物生成标志位之间的兼容性问题。该问题主要出现在使用MAPINFO定义包含SpawnMulti属性的自定义难度时,引擎未能正确处理"Not Cooperative"标志位。
技术细节
在MBF21标准中,地图物体(actors)可以设置多种生成标志位,其中包括:
- "Multiplayer only":仅在多人模式下生成
- "Not Cooperative":不在合作模式下生成
- "Not Deathmatch":不在死亡竞赛模式下生成
当开发者创建一个自定义难度并设置SpawnMulti属性时,预期行为应该是:
- 生成带有"Multiplayer only"标志的物体
- 不生成带有"Not Cooperative"标志的物体
然而在GZDoom 4.12.2版本中,虽然正确生成了多人模式专属物体,但却错误地忽略了"Not Cooperative"标志,导致不应该在合作模式出现的物体也被生成出来。
问题根源
经过代码分析,这个问题源于GZDoom对SpawnMulti属性的特殊处理方式。引擎内部将SpawnMulti解释为"单人模式加合作模式"的生成逻辑,而不是纯粹的"合作模式"生成逻辑。这种设计决策导致了标志位过滤的不完整。
解决方案
开发团队已经针对此问题提出了修复方案:
- 新增了一个名为SpawnMultiCoopOnly的属性,专门用于处理纯合作模式的生成逻辑
- 该属性会正确过滤"Not Cooperative"标志的物体
- 如果同时定义了SpawnMulti和SpawnMultiCoopOnly,后者将具有更高优先级
技术建议
对于地图制作者和模组开发者,在使用自定义难度时应注意:
- 明确区分"单人+合作"与"纯合作"两种生成模式的需求
- 对于需要严格合作模式过滤的场景,优先使用SpawnMultiCoopOnly属性
- 测试时应在多个源端口验证行为一致性
总结
这个问题的解决体现了GZDoom团队对MBF21标准的持续完善,也为地图制作者提供了更精确的怪物生成控制方式。通过新增的SpawnMultiCoopOnly属性,开发者现在可以更灵活地设计不同游戏模式下的游戏体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492