[发明专利]交互控制方法、装置、计算机设备和存储介质

权利要求书

1.一种交互控制方法，其特征在于，所述方法包括：

获取交互式任务当前的实际交互状态；

根据当前交互状态确定各个候选交互动作对应的交互动作选择分数，其中，初始的当前交互状态为所述实际交互状态；

根据各个所述候选交互动作对应的交互动作选择分数筛选得到模拟交互动作；

模拟执行各个所述模拟交互动作，得到模拟交互状态；

将所述模拟交互状态作为当前交互状态，返回所述根据当前交互状态确定各个候选交互动作对应的交互动作选择分数的步骤，直至完成交互式任务或者模拟深度达到深度阈值，得到目标博弈树，所述目标博弈树包括各个当前交互状态对应的状态节点，在母状态节点对应的交互状态下执行模拟交互动作，得到子状态节点对应的交互状态；

根据所述目标博弈树从所述模拟交互动作中确定目标交互动作，控制目标虚拟对象执行所述目标交互动作。

2.根据权利要求1所述的方法，其特征在于，所述根据各个所述候选交互动作对应的交互动作选择分数筛选得到模拟交互动作包括：

将各个所述候选交互动作对应的交互动作选择分数按照从大到小的顺序进行排序，将排序在第一排序之前的交互动作选择分数对应的候选交互动作作为模拟交互动作。

3.根据权利要求1所述的方法，其特征在于，所述根据当前交互状态确定各个候选交互动作对应的交互动作选择分数包括：

根据各个历史交互动作对应的历史交互资源以及所述历史交互资源对应的历史交互动作类型，得到第一交互特征；

根据所述目标虚拟对象当前持有的交互资源确定第二交互特征；

将所述第一交互特征以及第二交互特征输入到动作选择模型中，得到各个候选交互动作对应的交互动作选择分数。

4.根据权利要求3所述的方法，其特征在于，所述根据各个历史交互动作对应的历史交互资源以及所述历史交互资源对应的历史交互动作类型，得到第一交互特征包括：

根据各个历史交互动作对应的历史交互资源确定资源特征值；

根据所述历史交互资源对应的历史交互动作类型确定历史动作类型特征值；

根据所述历史交互动作类型对交互收益值的影响确定第一收益影响特征值；

根据所述资源特征值、所述历史动作类型特征值以及所述收益影响特征值得到第一交互特征。

5.根据权利要求1所述的方法，其特征在于，所述根据当前交互状态确定各个候选交互动作对应的交互动作选择分数包括：

获取所述目标虚拟对象当前持有的当前交互资源；

根据预设的多个资源拆分策略对当前交互资源进行拆分，得到各个资源拆分策略对应的候选资源拆分集合；

根据所述候选资源拆分策略对应的候选资源拆分集合中，各个交互动作类型对应的动作类型分数得到所述候选资源拆分集合对应的拆分集合评分；

根据所述候选资源拆分集合对应的拆分集合评分筛选得到目标资源拆分集合；

确定所述目标资源拆分集合对应的候选交互动作的交互动作选择分数。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标博弈树从模拟交互动作中确定目标交互动作包括：

确实所述目标虚拟对象对应的目标角色，根据所述目标博弈树的叶子节点对应的交互状态以及所述目标角色，确定所述叶子节点对应的交互激励分数；

根据所述叶子节点对应的交互激励分数从所述叶子节点开始进行回溯，得到所述目标博弈树的根节点对应的交互激励分数；其中，当所述目标角色与所述目标博弈树的母节点对应的角色一致时，获取母节点的子节点对应的最大交互激励分数，作为母节点对应的交互激励分数；当所述目标角色与所述目标博弈树的母节点对应的角色不一致时，获取母节点的子节点对应的最小交互激励分数，作为母节点对应的交互激励分数；

将所述根节点对应的交互激励分数所对应的模拟交互动作，作为目标交互动作。