控制人物进行水平移动

14 篇文章 0 订阅

代码:

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

///<summary>
///水平移动控制
///</summary>

public class PlayerControl : MonoBehaviour
{
    public Animator animator;
    float InputX;
    float InputY;

    private void Start()
    {
        //get animator
        animator = this.gameObject.GetComponent<Animator>();
    }

    public float Hor;
    public float Ver;
    public float Jup;
    public float x;
    public float y;
    public float RotateSpeed = 1;
    public float G;
    public float JumpSpeed;
    public float MoveSpeed;

    private void Move()
    {
        Hor = Input.GetAxis("Horizontal");
        Ver = Input.GetAxis("Vertical");

        if (Hor != 0 || Ver != 0 || Jup != 0)
        {
            Quaternion Dir = Quaternion.LookRotation(new Vector3(Hor, 0, Ver));
            this.transform.rotation = Dir;
            this.animator.SetFloat("InputX", Hor);
            //this.animator.SetFloat("_InputX", -Ver);
            //this.animator.SetFloat("InputZ", Ver);
            this.animator.SetFloat("InputZ", Ver);
            this.transform.Translate(0, 0, MoveSpeed * Time.deltaTime);
        }
    }
    private void MoveIncludeJup()
    {

        Hor = Input.GetAxis("Horizontal");
        Ver = Input.GetAxis("Vertical");
        Jup = Input.GetAxis("Jump");

        if (Hor != 0 || Ver != 0 || Jup !=0)
        {
            Quaternion Dir = Quaternion.LookRotation(new Vector3(Hor, 0, Ver));
            this.transform.rotation = Dir;
            animator.SetFloat("InputX", Hor);
            this.transform.Translate(0, Jup, MoveSpeed * Time.deltaTime);
        }
        //this.transform.Translate(0, Jup, MoveSpeed * Time.deltaTime);
        /*if (this.transform.position.y != 0)
        {
            this.transform.Translate(0, G * Time.deltaTime, 0);
        }
        else if (Input.GetKeyDown(KeyCode.Space))
        {
            MoveDir.y = JumpSpeed;
        }
        MoveDir += Vector3.down * G * Time.deltaTime;
        character.Move(MoveDir * Time.deltaTime);*/
    }

    private void RotateView()
    {
        //以Y轴旋转变动的是X的值
        x = Input.GetAxis("Mouse Y");
        //以X轴旋转变动的是Y的值
        y = Input.GetAxis("Mouse X");

        x *= RotateSpeed;
        y *= RotateSpeed;

        this.transform.Rotate(-x, 0, 0);
        this.transform.Rotate(0, -y, 0, Space.World);
    }

    private void Update()
    {
        Move();
        //RotateView();
    }
}

未附加相机、跳跃的水平人物移动控制。

1. 在人物文件夹中新建一个animator controllor,双击灰色区域新建BlendTree

2. 双击BlendTree,在左侧的Parameters(参数)点击“+”号命名两个参数
在这里插入图片描述
3.BlendType改为2D Simple Directional,下方的Parameters分别为2步骤中设置的两个参数,点击Motion栏下方的“+”号,选择Add Motion Field,添加5个,第1个为idle动画,其他4个为移动动画Pos XPos Y设置如下:在这里插入图片描述
4. 将脚本附加在人物上,运行效果可见。

P.S.代码中有不少用于测试的无效变量,没用上的都没用,可以删除。还有相机控制和跳跃控制存在问题,FilmStrom的这个视频可以帮助解决,跳跃再研究研究,更新了再发上来。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值