Puerts项目中FVector_Wrap等代码在UE5中的精度损失问题分析
2025-06-07 05:38:46作者:卓炯娓
问题背景
在Unreal Engine游戏开发中,Puerts作为连接TypeScript/JavaScript与UE引擎的桥梁,其核心功能之一是实现数据类型在两种环境间的转换。近期发现Puerts项目中自动生成的FVector_Wrap等包装代码在UE5环境下存在精度损失问题,这直接影响到了数学运算的准确性。
问题本质
问题的根源在于数据类型转换过程中的精度损失。具体表现为:
- 自动生成的绑定代码中大量使用了float类型
- 在数据转换过程中发生了double->float->double的转换链
- UE5中FVector等数学类型已改为使用double精度
这种转换链会导致数据精度在中间步骤被截断,即使最终恢复为double类型,丢失的精度也无法找回。
技术细节分析
以FVector2D为例,问题代码片段如下:
if (Info[0]->IsNumber() && Info[1]->IsNumber())
{
float Arg0 = Info[0]->ToNumber(Context).ToLocalChecked()->Value(); // double->float
float Arg1 = Info[1]->ToNumber(Context).ToLocalChecked()->Value();
FVector2D* Obj = new FVector2D(Arg0, Arg1); // float->double
这段代码存在两个关键问题:
- JavaScript中的数字类型是双精度浮点数(double),直接转换为单精度浮点数(float)会导致精度损失
- UE5中FVector2D内部使用double存储,从float构造会再次转换,但精度已经丢失
解决方案演进
开发团队提出了几种解决方案并进行了实践:
1. 静态绑定重写方案
通过静态绑定方式重写FVector2D的包装代码,直接使用double类型:
puerts::DefineClass<FVector2d>()
.Constructor(
CombineConstructors(
MakeConstructor(FVector2d),
MakeConstructor(FVector2d,double,double),
// 其他构造函数...
)
)
这种方案的优势是:
- 完全避免了中间精度损失
- 代码更简洁易维护
- 支持函数重载和默认参数
2. 生成器改进方案
考虑到手动重写所有数学类型包装代码工作量巨大,团队同时探索了改进自动生成器的方案:
- 更新生成器以识别UE5中的模板化数学类型
- 自动生成模板绑定代码而非原始绑定
- 添加版本判断宏以兼容不同UE版本
3. 操作符重载处理
对于操作符重载等特殊情况,采用了扩展方法包装:
struct FVector2DExtension {
static FVector2D op_Addition(const FVector2D& self, const FVector2D& V) {
return self + V;
}
// 其他操作符...
};
兼容性考虑
解决方案需要兼顾不同UE版本的差异:
- UE4中部分数学类型使用float
- UE5中改为使用double以支持大世界坐标
- 部分函数签名在不同版本间有变化
通过模板和条件编译实现了跨版本兼容:
#if ENGINE_MAJOR_VERSION >= 5
using FVector2D = UE::Math::TVector2<double>;
#else
using FVector2D = ::FVector2D;
#endif
其他相关问题
在解决过程中还发现并解决了几个衍生问题:
- 构造函数声明生成不全 - 补充了自动生成.d.ts时的构造函数声明
- 特殊类型(如Float16Color)处理 - 添加了类型存在性检查
- TArray模板类型签名 - 修正了模板类型的声明生成
- 操作符-的编译问题 - 解决了不同编译器下的语法解析差异
总结
Puerts项目通过这次对数学类型包装代码的重构,不仅解决了UE5下的精度损失问题,还:
- 统一了绑定方式,淘汰了旧的代码生成方案
- 提高了类型转换的效率和准确性
- 增强了跨UE版本的兼容性
- 为后续的大世界坐标支持奠定了基础
这一改进体现了Puerts项目对引擎兼容性和数据精确性的高度重视,也为使用Puerts的开发者提供了更可靠的数学运算基础。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
213
226
暂无简介
Dart
659
150
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++
656
293
🎉 (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
1.17 K
644
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
489
React Native鸿蒙化仓库
JavaScript
251
320
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
79
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216
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