BetterGI 自动寻路功能中传送点位的优化与完善
2026-02-03 04:21:25作者:庞队千Virginia
在 BetterGI 项目的自动寻路功能中,传送点位的准确性直接影响着用户体验。近期开发者发现并修复了一个关于秘境传送点位缺失的问题,这为我们提供了一个深入探讨游戏自动化中坐标系统设计的契机。
问题背景
BetterGI 的自动寻路系统原本仅支持传送锚点的识别和传送,但游戏中的秘境(Domain)作为另一种重要的传送点类型,却未被包含在内。这导致当用户设置的路径点靠近秘境时,系统会错误地选择附近的传送锚点而非秘境作为传送目标。
技术解决方案
开发团队采取了双管齐下的解决方案:
-
强制传送功能:新增了
force_tp参数,允许用户强制以当前坐标进行自动传送。当type = teleport时,此参数生效,确保系统能精确传送到指定坐标而非最近的锚点。 -
点位数据库扩充:全面补充了游戏中所有秘境的位置数据,包括:
- 蒙德、璃月地区的秘境
- 稻妻地区的秘境
- 枫丹地区的秘境
- 5.0版本新增的秘境
实现细节
在坐标处理方面,项目采用了以下技术要点:
-
坐标去重机制:通过算法检测并处理重复或过于接近的传送点,确保每个有效点位都能被正确识别。例如,当两个点位的距离小于特定阈值时,系统会自动合并或选择最优点位。
-
高度值处理:游戏中的y坐标(高度值)被统一处理为0,简化了平面距离计算,同时不影响实际传送效果。
-
多版本兼容:点位数据按游戏版本分类存储,确保不同版本的游戏内容都能得到支持。
实际应用
用户现在可以通过以下方式优化自动寻路体验:
- 在路径配置文件中使用
force_tp参数确保精确传送 - 选择最近的秘境而非锚点作为传送目标,减少跑图时间
- 利用完整的点位数据库规划最优路径
总结
BetterGI 通过这次更新,不仅解决了秘境传送的特定问题,更完善了整个自动寻路系统的底层架构。这种对细节的关注和系统性解决方案,体现了项目在游戏自动化领域的技术积累。未来,随着游戏内容的更新,点位数据库和寻路算法也将持续优化,为用户提供更流畅的自动化体验。
对于开发者而言,这个案例也展示了如何处理游戏自动化中的空间定位问题,包括坐标系统的设计、特殊点位的处理以及版本兼容性考虑等关键技术要点。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
659
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
503
609
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
391
285
暂无简介
Dart
905
218
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
939
862
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108