[发明专利]一种游戏互动方法、装置、设备及存储介质

权利要求书

1.一种游戏互动方法，其特征在于，所述方法包括：

获取目标游戏状态信息；

通过分层动作决策模型，根据所述目标游戏状态信息确定目标动作；所述分层动作决策模型包括互相独立的策略选择子模型和多个策略执行子模型；所述策略选择子模型用于根据游戏状态信息在所述多个策略执行子模型中选择所需运行的策略执行子模型；所述策略执行子模型用于根据游戏状态信息确定虚拟角色所需执行的动作；所述通过分层动作决策模型，根据所述目标游戏状态信息确定目标动作包括：

判断当前是否存在正在运行的目标策略执行子模型；

若是，则确定当前正在控制目标虚拟角色执行所述目标策略执行子模型对应的游戏策略，并继续通过所述目标策略执行子模型，根据所述目标游戏状态信息确定所述目标动作；所述游戏策略对应一系列动作，所述一系列动作包括所述目标动作；

若否，则通过所述策略选择子模型，根据所述目标游戏状态信息在所述多个策略执行子模型中选择所需运行的策略执行子模型，作为目标策略执行子模型；通过所述目标策略执行子模型，根据所述目标游戏状态信息确定所述目标动作；

控制目标虚拟角色执行所述目标动作；

所述多个策略执行子模型包括进攻策略执行子模型和防守策略执行子模型；通过以下方式训练所述进攻策略执行子模型和所述防守策略执行子模型：

在训练游戏过程中，利用待训练的所述进攻策略执行子模型和所述防守策略执行子模型进行对战；

获取所述训练游戏过程中的训练游戏状态信息；获取所述进攻策略执行子模型根据所述训练游戏状态信息确定的训练进攻动作；获取所述防守策略执行子模型根据所述训练游戏状态信息确定的训练防守动作；获取所述训练游戏过程的训练游戏结果；

基于所述训练游戏状态信息、所述训练进攻动作和所述训练游戏结果，构建第二训练样本数据；基于所述训练游戏状态信息、所述训练防守动作和所述训练游戏结果，构建第三训练样本数据；

对于所述进攻策略执行子模型，将使所述进攻策略执行子模型控制的虚拟角色的游戏结果为胜利作为训练目标，利用所述第二训练样本数据训练所述进攻策略执行子模型；

对于所述防守策略执行子模型，将使所述防守策略执行子模型控制的虚拟角色的游戏结果为胜利作为训练目标，利用所述第三训练样本数据训练所述防守策略执行子模型。

2.根据权利要求1所述的方法，其特征在于，在所述通过所述目标策略执行子模型，根据所述目标游戏状态信息确定所述目标动作之后，所述方法还包括：

根据目标游戏因素，确定是否停止运行所述目标策略执行子模型；所述目标游戏因素包括以下至少一种：所述目标动作、所述目标虚拟角色的状态、所述目标虚拟角色的对手虚拟角色的状态、所述目标策略执行子模型的运行时长。

3.根据权利要求2所述的方法，其特征在于，所述根据目标游戏因素，确定是否停止运行所述目标策略执行子模型，包括：

当所述目标策略执行子模型为所述进攻策略执行子模型时，判断所述目标动作是否对应于所述进攻策略执行子模型的结束技能，若是，则停止运行所述进攻策略执行子模型；

当所述目标策略执行子模型为所述防守策略执行子模型时，判断所述目标虚拟角色是否被所述对手虚拟角色的动作击中，若是，则停止运行所述防守策略执行子模型；或者，当所述目标策略执行子模型为所述防守策略执行子模型时，判断所述防守策略执行子模型的运行时长是否超过预设运行时间阈值，若是，则停止运行所述防守策略执行子模型。

4.根据权利要求1所述的方法，其特征在于，通过以下方式训练所述策略执行子模型：

获取训练游戏过程中的训练游戏状态信息；获取待训练的所述策略执行子模型根据所述训练游戏状态信息确定的训练动作；获取所述训练游戏过程的训练游戏结果；

基于所述训练游戏状态信息、所述训练动作和所述训练游戏结果，构建第一训练样本数据；

将使所述策略执行子模型控制的虚拟角色的游戏结果为胜利作为训练目标，利用所述第一训练样本数据训练所述策略执行子模型。

5.根据权利要求1所述的方法，其特征在于，通过以下方式构建所述策略执行子模型：

基于所述策略执行子模型对应的游戏策略下的动作执行条件与执行动作之间的对应关系，构建行为树模型作为所述策略执行子模型。