Proton项目:Puzzle Bobble系列游戏在Steam Deck上的多控制器兼容性分析
概述
本文主要探讨了Puzzle Bobble系列游戏(包括BUST-A-MOVE系列)在Steam Deck平台上的多控制器兼容性问题。通过分析用户反馈和测试结果,我们发现该系列游戏在Steam Deck连接多个外部控制器时存在一些兼容性挑战,但这些问题在最新系统更新后已得到改善。
问题背景
Puzzle Bobble(泡泡龙)系列作为经典的街机风格益智游戏,其多人本地合作模式对控制器支持有着较高要求。当用户在Steam Deck上通过扩展坞连接多个外部控制器时,部分用户报告了控制器无法被正确识别的问题。
具体表现
根据用户报告,在Steam Deck连接扩展坞并使用两个外部控制器的情况下,游戏存在以下现象:
- 第二个控制器无法被游戏检测到
- 控制器顺序调整界面显示异常图标
- 部分控制器仅能识别按键而无法识别摇杆输入
这些问题影响了游戏的本地多人游戏体验,使得玩家无法正常进行双人合作游戏。
技术分析
经过深入测试和分析,我们发现:
-
系统版本影响:在SteamOS 3.6.20版本上,这些问题已得到显著改善。测试表明,使用DualShock 4、DualSense和8bitdo Pro 2等多种控制器组合都能被正确识别。
-
控制器类型差异:Xbox 360控制器可能存在特殊的兼容性问题,而其他主流控制器(如索尼和8bitdo系列)表现良好。
-
游戏内表现:虽然游戏菜单可能仅响应第一个控制器的输入,但在实际游戏开始后,所有连接的控制器都能正常工作。
解决方案与建议
对于遇到类似问题的用户,我们建议:
-
更新系统:确保Steam Deck系统更新至最新版本,许多控制器兼容性问题已通过系统更新得到解决。
-
尝试不同控制器组合:如果特定控制器无法工作,可尝试更换其他型号的控制器进行测试。
-
直接进入游戏测试:即使菜单显示异常,也应尝试直接开始游戏,因为部分游戏的实际控制器支持可能优于菜单显示。
结论
Puzzle Bobble系列游戏在Steam Deck上的多控制器支持已得到显著改善。通过系统更新和适当的控制器选择,用户现在可以顺利享受本地多人游戏体验。这一案例也展示了Proton兼容层在不断进化中对游戏外设支持的持续优化。
对于游戏开发者而言,这一案例也提示了在移植经典街机游戏时,需要特别注意多控制器支持在不同硬件平台上的表现,确保为玩家提供完整的多人游戏体验。
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