一种虚拟数字人的互动交互方法及装置与流程

本技术涉及机器学习，尤其涉及一种虚拟数字人的互动交互方法及装置。

背景技术：

1、在游戏中，npc(非玩家角色)是玩家在游戏世界中的虚拟伙伴，通常用于提供任务、信息或娱乐。随着人工智能技术的发展，我们可以为npc创建一个神经网络，使他们能够与玩家进行更自然、更灵活的交互。

2、传统的npc交互通常基于预先设定的规则和行为，这些规则和行为通常是静态的，缺乏真正的智能。而通过神经网络，npc可以实时地学习和适应玩家的行为和偏好，从而提供更丰富、更个性化的互动。神经网络是一种模拟人脑工作的算法，它可以从大量数据中学习和提取模式。在游戏中，我们可以将玩家的行为和反馈作为训练数据，让神经网络学习如何与玩家进行有效的交互。这样，npc就能够根据玩家的需求和偏好，提供更符合玩家期望的服务和体验。此外，神经网络还可以帮助npc理解和解释玩家的语言和情感。通过自然语言处理技术，神经网络可以解析玩家的语音或文本输入，从而更好地理解玩家的意图和情绪。这样，npc就能够根据玩家的语言和情感，提供更贴切的回应和建议。换言之，通过将神经网络应用于npc,我们可以实现更自然、更灵活、更有趣的游戏交互，为玩家提供更丰富、更个性化的游戏体验。

3、然而，由于用户的需求的灵活多样的，如何保证为npc创建的神经网络提供的交互能够与不同的用户的需求匹配是目前研究的热点问题。

技术实现思路

1、本技术实施例提供一种虚拟数字人的互动交互方法及装置，用实现为npc创建的神经网络提供的交互能够与用户不同的交互行为匹配。

2、为达到上述目的，本技术采用如下技术方案：

3、第一方面，提供一种虚拟数字人的互动交互方法，第一虚拟场景中创建有第一虚拟对象和第二虚拟对象，该方法包括：在用户与第一虚拟对象互动的过程中，生成用户的互动行为日志，并根据用户的互动行为日志，动态调整当前还未与用户发生互动的第二虚拟对象的神经网络模型的复杂程度，其中，用户的互动行为日志用于记录用户与第一虚拟对象的互动行为，若第二虚拟对象的神经网络模型的复杂程度越高，则第二虚拟对象通过第二虚拟对象的神经网络模型与用户进行交互的能力越强；在用户与第一虚拟对象的互动结束时，根据当前第二虚拟对象的神经网络模型的复杂程度，创建第二虚拟对象的神经网络模型。

4、可选地，第一虚拟对象和第二虚拟对象是同一类型的对象，在用户与第一虚拟对象互动的过程中，生成用户的互动行为日志，并根据用户的互动行为日志，动态调整当前还未与用户发生互动的第二虚拟对象的神经网络模型的复杂程度，包括：响应于用户开始与第一虚拟对象进行互动，创建用户的互动行为日志；在用户与第一虚拟对象互动的过程中，通过用户的互动行为日志记录用户与第一虚拟对象的互动行为；根据用户与第一虚拟对象的互动行为中的关键行为，动态降低当前还未与用户发生互动的第二虚拟对象的神经网络模型的复杂程度。

5、可选地，在用户与第一虚拟对象的互动行为是用户与第一虚拟对象进行对话的情况下，关键行为是用户与第一虚拟对象的对话中的关键信息量，关键信息量是能够用于用户完成与第一虚拟对象相关的任务的信息，若关键信息量越大，则第二虚拟对象的神经网络模型被简化的程度越高；或者；在用户与第一虚拟对象的互动行为是用户与第一虚拟对象进行对战的情况下，关键行为是用户成功战胜第一虚拟对象所需的时长，若用户成功战胜第一虚拟对象所需的时长越长，则第二虚拟对象的神经网络模型被简化的程度越高。

6、可选地，若第一虚拟对象与第二虚拟对象的距离越远，则用于决定第二虚拟对象的神经网络模型的复杂程度变化的常数值越大，反之，若第一虚拟对象与第二虚拟对象的距离越近，则用于决定第二虚拟对象的神经网络模型的复杂程度变化的常数值越小。

7、可选地，第一虚拟对象和第二虚拟对象是不同类型的对象，在用户与第一虚拟对象互动的过程中，生成用户的互动行为日志，并根据用户的互动行为日志，动态调整当前还未与用户发生互动的第二虚拟对象的神经网络模型的复杂程度，包括：响应于用户开始与第一虚拟对象进行互动，创建用户的互动行为日志；在用户与第一虚拟对象互动的过程中，通过用户的互动行为日志记录用户与第一虚拟对象的互动行为；根据用户与第一虚拟对象的互动行为中的关键行为，动态增加当前还未与用户发生互动的第二虚拟对象的神经网络模型的复杂程度。

8、可选地，在用户与第一虚拟对象的互动行为中的关键行为是用户针对第一虚拟对象用户执行的与第二虚拟对象能够提供的互动匹配的行为，若用户针对第一虚拟对象用户执行的与第二虚拟对象能够提供的互动匹配的行为越多，则第二虚拟对象的神经网络模型被复杂化的程度越高。

9、可选地，若第一虚拟对象与第二虚拟对象的距离越远，则用于决定第二虚拟对象的神经网络模型的复杂程度变化的常数值越小，反之，若第一虚拟对象与第二虚拟对象的距离越近，则用于决定第二虚拟对象的神经网络模型的复杂程度变化的常数值越大。

10、可选地，第二虚拟对象的神经网络模型为深度神经网络，第二虚拟对象的神经网络模型的复杂程度是指第二虚拟对象的神经网络模型中的神经元的数目，若第二虚拟对象的神经网络模型的复杂程度越高，则第二虚拟对象通过神经网络模型中的神经元的数目越多；

11、其中，第二虚拟对象的神经网络模型的复杂程度还指第二虚拟对象的神经网络模型中的每个神经元结构的复杂程度，若第二虚拟对象的神经网络模型的复杂程度越高，则第二虚拟对象通过神经网络模型中每个神经元的结构越复杂；

12、其中，神经网络模型中每个神经元的结构为m*m的矩阵，m为大于1的整数，m*m的矩阵包括第一类元素sk和第二类元素so，第一类元素sk位于m*m的矩阵的对角线上，第二类元素so位于m*m的矩阵除对角线以外的其他位置，m*m的矩阵中不同位置的第一类元素sk的权值不同，m*m的矩阵中不同位置的第二类元素sk的权值不同；神经网络模型中每个神经元的结构越复杂是指m*m的矩阵的尺寸越大，也即，m的取值越大。

13、可选地，第二虚拟对象的神经网络模型的复杂程度还指第二虚拟对象的神经网络模型中神经元的结构杂程度不同的神经元数目，若第二虚拟对象的神经网络模型中神经元的结构杂程度不同的神经元数目越多，则第二虚拟对象通过神经网络模型中每个神经元的结构越复杂；

14、其中，神经网络模型中每个神经元的结构为m*m的矩阵，m为大于1的整数，m*m的矩阵包括第一类元素sk和第二类元素so，第一类元素sk位于m*m的矩阵的对角线上，第二类元素so位于m*m的矩阵除对角线以外的其他位置，m*m的矩阵中不同位置的第一类元素sk的权值不同，m*m的矩阵中不同位置的第二类元素sk的权值不同；第二虚拟对象的神经网络模型中神经元的结构杂程度不同是指第二虚拟对象的神经网络模型中不同的神经元的m取值不同。

15、第二方面，提供一种虚拟数字人的互动交互装置，第一虚拟场景中创建有第一虚拟对象和第二虚拟对象，该装置被配置为：在用户与第一虚拟对象互动的过程中，生成用户的互动行为日志，并根据用户的互动行为日志，动态调整当前还未与用户发生互动的第二虚拟对象的神经网络模型的复杂程度，其中，用户的互动行为日志用于记录用户与第一虚拟对象的互动行为，若第二虚拟对象的神经网络模型的复杂程度越高，则第二虚拟对象通过第二虚拟对象的神经网络模型与用户进行交互的能力越强；在用户与第一虚拟对象的互动结束时，根据当前第二虚拟对象的神经网络模型的复杂程度，创建第二虚拟对象的神经网络模型。

16、可选地，第一虚拟对象和第二虚拟对象是同一类型的对象，该装置被配置为：响应于用户开始与第一虚拟对象进行互动，创建用户的互动行为日志；在用户与第一虚拟对象互动的过程中，通过用户的互动行为日志记录用户与第一虚拟对象的互动行为；根据用户与第一虚拟对象的互动行为中的关键行为，动态降低当前还未与用户发生互动的第二虚拟对象的神经网络模型的复杂程度。

17、可选地，在用户与第一虚拟对象的互动行为是用户与第一虚拟对象进行对话的情况下，关键行为是用户与第一虚拟对象的对话中的关键信息量，关键信息量是能够用于用户完成与第一虚拟对象相关的任务的信息，若关键信息量越大，则第二虚拟对象的神经网络模型被简化的程度越高；或者；在用户与第一虚拟对象的互动行为是用户与第一虚拟对象进行对战的情况下，关键行为是用户成功战胜第一虚拟对象所需的时长，若用户成功战胜第一虚拟对象所需的时长越长，则第二虚拟对象的神经网络模型被简化的程度越高。

18、可选地，若第一虚拟对象与第二虚拟对象的距离越远，则用于决定第二虚拟对象的神经网络模型的复杂程度变化的常数值越大，反之，若第一虚拟对象与第二虚拟对象的距离越近，则用于决定第二虚拟对象的神经网络模型的复杂程度变化的常数值越小。

19、可选地，第一虚拟对象和第二虚拟对象是不同类型的对象，该装置被配置为：响应于用户开始与第一虚拟对象进行互动，创建用户的互动行为日志；在用户与第一虚拟对象互动的过程中，通过用户的互动行为日志记录用户与第一虚拟对象的互动行为；根据用户与第一虚拟对象的互动行为中的关键行为，动态增加当前还未与用户发生互动的第二虚拟对象的神经网络模型的复杂程度。

20、可选地，在用户与第一虚拟对象的互动行为中的关键行为是用户针对第一虚拟对象用户执行的与第二虚拟对象能够提供的互动匹配的行为，若用户针对第一虚拟对象用户执行的与第二虚拟对象能够提供的互动匹配的行为越多，则第二虚拟对象的神经网络模型被复杂化的程度越高。

21、可选地，若第一虚拟对象与第二虚拟对象的距离越远，则用于决定第二虚拟对象的神经网络模型的复杂程度变化的常数值越小，反之，若第一虚拟对象与第二虚拟对象的距离越近，则用于决定第二虚拟对象的神经网络模型的复杂程度变化的常数值越大。

22、可选地，第二虚拟对象的神经网络模型为深度神经网络，第二虚拟对象的神经网络模型的复杂程度是指第二虚拟对象的神经网络模型中的神经元的数目，若第二虚拟对象的神经网络模型的复杂程度越高，则第二虚拟对象通过神经网络模型中的神经元的数目越多；

23、其中，第二虚拟对象的神经网络模型的复杂程度还指第二虚拟对象的神经网络模型中的每个神经元结构的复杂程度，若第二虚拟对象的神经网络模型的复杂程度越高，则第二虚拟对象通过神经网络模型中每个神经元的结构越复杂；

24、其中，神经网络模型中每个神经元的结构为m*m的矩阵，m为大于1的整数，m*m的矩阵包括第一类元素sk和第二类元素so，第一类元素sk位于m*m的矩阵的对角线上，第二类元素so位于m*m的矩阵除对角线以外的其他位置，m*m的矩阵中不同位置的第一类元素sk的权值不同，m*m的矩阵中不同位置的第二类元素sk的权值不同；神经网络模型中每个神经元的结构越复杂是指m*m的矩阵的尺寸越大，也即，m的取值越大。

25、可选地，第二虚拟对象的神经网络模型的复杂程度还指第二虚拟对象的神经网络模型中神经元的结构杂程度不同的神经元数目，若第二虚拟对象的神经网络模型中神经元的结构杂程度不同的神经元数目越多，则第二虚拟对象通过神经网络模型中每个神经元的结构越复杂；

26、其中，神经网络模型中每个神经元的结构为m*m的矩阵，m为大于1的整数，m*m的矩阵包括第一类元素sk和第二类元素so，第一类元素sk位于m*m的矩阵的对角线上，第二类元素so位于m*m的矩阵除对角线以外的其他位置，m*m的矩阵中不同位置的第一类元素sk的权值不同，m*m的矩阵中不同位置的第二类元素sk的权值不同；第二虚拟对象的神经网络模型中神经元的结构杂程度不同是指第二虚拟对象的神经网络模型中不同的神经元的m取值不同。

27、第三方面，提供一种计算机可读存储介质，包括：计算机程序或指令；当该计算机程序或指令在计算机上运行时，使得该计算机执行第一方面所述的方法。

28、综上，上述方法及系统具有如下技术效果：

29、虚拟场景中的虚拟对象交互可以理解为是npc，由于当前还未与用户交互的npc的神经网络模型(如为该npc创建的一个神经网络模型，仅针对该npc使用)的复杂程度是动态可调的，如根据用户当前正发生的交互行为动态确定。这样，如果用户当前的交互行为已能够满足用户的交互需求，则可以将当前还未与用户交互的npc的神经网络模型进行简化，反之，如果用户当前的交互行还不能够满足用户的交互需求，则可以将当前还未与用户交互的npc的神经网络模型复杂化，从而实现为npc创建的神经网络提供的交互能够与用户不同的交互行为匹配。