Craftium项目内置实体系统详解:坠落方块与掉落物品机制
2025-06-29 04:24:08作者:邓越浪Henry
前言
在Craftium项目中,内置实体系统是物理交互的重要组成部分。本文将深入解析项目中默认注册的两种核心实体类型:坠落方块(Falling Node)和掉落物品(Dropped Item),帮助开发者理解其工作机制并掌握相关API的使用方法。
一、坠落方块实体(__builtin:falling_node)
1.1 基本概念与生成机制
坠落方块实体是Craftium中模拟重力效果的物理实体,当场景中的节点被标记为falling_node=1的特殊组时,系统会自动将其转换为坠落方块实体。开发者也可以通过API手动生成这类实体。
典型应用场景:
- 沙块、砾石等受重力影响的方块
- 需要动态下落的建筑元素
- 特殊机制中的物理效果
1.2 物理行为特性
坠落方块具有以下物理特性:
- 受重力影响垂直下落(重力值由
movement_gravity设置决定) - 与
walkable节点发生碰撞 - 与除玩家外的所有物理对象碰撞
- 特殊处理:当节点组包含
float=1时,还会与液体节点(liquidtype ~= "none")发生碰撞
着地处理逻辑:
- 当撞击到固体(
walkable)节点时,会尝试在目标位置上方放置自身 - 若无法替换目标节点,则转换为掉落物品
- 特殊处理:当目标节点是相同名称的层级节点(
paramtype2="leveled")时,会合并两者的层级值
1.3 API接口详解
初始化方法
set_node(self, node[, meta])
node参数:包含name、param1、param2的节点表meta参数(可选):节点元数据,将在实体放置为节点时使用
只读属性
node:实体代表的节点信息(不可修改)meta:节点的元数据(不可修改)
1.4 渲染支持与限制
坠落方块会尽可能还原原始节点的视觉效果,但存在以下限制:
支持的绘制类型(drawtypes):
- 常规类型:
normal,signlike,torchlike等 - 特殊类型:
mesh,fencelike,liquid等 - 注意:
airlike类型不可选中
不完美支持的情况:
- 当节点使用
scale>1的世界对齐纹理时,仅显示纹理左上部分 - 非常规绘制类型可能出现视觉异常
支持的参数类型(paramtype2):
- 基础方向:
wallmounted,facedir,4dir - 彩色变体:
colorwallmounted,colorfacedir,color4dir,color
二、掉落物品实体(__builtin:item)
2.1 基本概念与生成场景
掉落物品实体代表可收集的物品堆栈,是物品在场景中的物理表现形式。
常见生成场景:
- 用户丢弃物品
- 附属节点(
attached_node=1)的根节点被移除时 - 通过API直接添加物品
2.2 物理行为特性
掉落物品具有以下行为特点:
- 用户可通过击打收集
- 生命周期由
item_entity_ttl设置决定 - 在
slipry节点上会滑动 - 受重力影响(使用
movement_gravity设置) - 与
walkable节点碰撞 - 不与物理对象碰撞
- 特殊处理:当陷入固体节点时,会尝试移动到相邻的非固体节点
2.3 API接口详解
初始化方法
set_item(self, item)
item参数:ItemStack类型的物品堆栈
关键属性
age:实体存在时间(秒),受item_entity_ttl设置影响itemstring:实体代表的物品字符串(只读)
三、开发实践建议
- 性能优化:大量坠落方块实体会显著影响性能,建议合理使用
falling_node组标记 - 视觉一致性:为自定义节点设计坠落效果时,注意检查支持的绘制类型
- 物品生命周期:根据需求调整
item_entity_ttl设置,平衡体验与性能 - 特殊交互:可利用坠落方块的层级合并特性实现特殊机制
结语
Craftium的内置实体系统为开发者提供了丰富的物理交互可能性。理解坠落方块和掉落物品的工作原理,能够帮助开发者创造更具沉浸感的体验。建议在实际开发中结合项目文档和API参考,充分发挥这些实体组件的潜力。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
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
暂无简介
Dart
680
160
🔥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
Ascend Extension for PyTorch
Python
229
259
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
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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