探索未来游戏AI:PatrolJS - 导航网格工具包
注意:此项目已废弃,请转至three-pathfinding
在游戏和三维应用中,让AI角色自如地在世界中导航是一项挑战。传统方式如使用路点导航存在诸多问题,而PatrolJS,一个基于ThreeJS的导航网格工具包,提供了更高效、准确且考虑了AI实体大小的解决方案。
项目简介
PatrolJS是一个用于ThreeJS的导航网格工具,它利用A*算法和Funnel算法来计算导航网格上的路径。通过这种方式,AI代理可以更自然地避开障碍物并进行复杂的动态移动。这个库不仅适用于客户端,也可以在服务器端使用,并依赖于ThreeJS和Underscore库。
演示与实例
你可以访问演示页面,体验PatrolJS的强大功能。此外,它还被应用于Ironbane MMO中,观看此处视频了解其实际效果。

安装与使用
要使用PatrolJS,首先你需要ThreeJS和Underscore库。在客户端,这两个库应全局可用。在服务器端,通过npm install patroljs安装后,使用require('patroljs')导入。
导航网格的构建需要通过Blender等工具完成,然后将数据转换为ThreeJS的JSON格式。PatrolJS仅接受原始JSON模型数据,加载文件需自行处理。
要加载导航网格,首先调用patrol.buildNodes(geometry)生成节点,接着使用patrol.setZoneData('level', zoneNodes)存储数据。当需要计算路径时,使用patrol.findPath()函数,传入起始位置、目标位置以及当前所在的导航网格组。
jsonLoader.load( 'meshes/level.nav.js', function( geometry, materials ) {
var zoneNodes = patrol.buildNodes(geometry);
patrol.setZoneData('level', zoneNodes);
// 设置玩家的导航网格组
playerNavMeshGroup = patrol.getGroup('level', player.position);
}, null);
// 计算路径
calculatedPath = patrol.findPath(player.position, target.position, 'level', playerNavMeshGroup);
应用场景与特点
PatrolJS主要用于游戏和三维应用程序,帮助开发者创建智能的AI角色,使它们能够在复杂环境中自由移动。特别适合大规模、开放世界的场景,例如沙盒式游戏或模拟环境。
该项目的主要特点是:
- 兼容性:与ThreeJS无缝集成,支持客户端和服务器端。
- 灵活性:允许自定义导航网格,适应不同游戏设计需求。
- 效率:采用A*和Funnel算法,提供快速且精确的路径规划。
- 易用性:简单的API设计,易于理解和实现路径规划功能。
感谢bgrin的A*库、Digesting Duck的简单愚蠢通道算法以及Recastnavigation的级别网格的贡献。
最后,PatrolJS遵循MIT许可,鼓励开发者参与和改进。
如果你正在寻找一种更好的方法来提升你的游戏AI导航性能,那么PatrolJS值得一看!
kernelopenEuler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。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0115
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