AI 3D生成工具如何重塑UGC玩法:10秒产出高精度模型

游戏开发效率革命!用AI 3D工具让UGC玩法爆火,10秒生成高精度模型


前阵子和几个做游戏的朋友聊天,大家不约而同都在吐槽同一个痛点:3D资产的生产效率根本赶不上玩法迭代的速度。特别是UGC(用户生成内容)玩法,玩家想要的是“点子出来马上能玩到”,但美术资源从建模到打磨,走完一遍流程少说也要几天。很多团队不是没创意,而是被资产生产的瓶颈卡得死死的。

最近我深度试了一款AI 3D生成工具(这类工具现在有不少,我用的这款在速度和精度上比较突出),配合UGC玩法做了几个实验项目,实测下来最大的感受是:原来要几天的工作量,现在10秒出一个高精度模型,配合自动减面和处理流程,十几分钟就能变成游戏里能用的资产。这篇文章把整个流程、参数设置、以及我自己踩过的坑,一次性讲清楚。

1. 整体设计思路:为什么AI 3D是UGC玩法的“解锁开关”

1.1 UGC玩法对3D资产的需求有多苛刻

传统UGC玩法的最大瓶颈,从来都不是创意。玩家不缺想法,缺的是把想法变成可见、可交互内容的能力。

比如沙盒建造类游戏,玩家想造一艘科幻风格的飞船。传统模式下,他要么从预制件库里几百个零件慢慢拼——拼出来的东西千篇一律;要么就得自己学建模软件,Blender从入门到放弃,不是谁都能坚持下来的。哪怕是用MagicaVoxel这类轻量工具,做出来的也是低精度体素风格,放在写实场景里会非常突兀。

从开发者角度看,UGC玩法的商业逻辑决定了资产生产必须走量大管饱的路线。玩家上传的模型要能被其他玩家看到、使用、甚至二次改造,意味着每个资产的质量都不能太差。但开发者自己生产资产,一天能产几个?外包采购,一个高品质模型动辄几百上千,UGC玩法动辄需要十万级资产池,这笔账根本算不过来。

所以当AI 3D生成工具出现的时候,我第一反应是:这可能就是UGC玩法一直在等的那把钥匙。

1.2 AI 3D工具在UGC链路中的位置

如果你把UGC玩法的完整链路拆开,大概是这样的:

点子产生 → 资产生成 → 资产处理 → 游戏内发布 → 玩家使用 → 反馈迭代

传统管线的痛点集中在“资产生成”和“资产处理”两个环节。AI 3D工具直接解决“资产生成”的速度问题,配合自动化处理管线,就能把整条链路从“天的量级”压缩到“分钟的量级”。

具体来说,AI 3D生成工具在这条链路里有三种用法:

  • 玩家直接生成:玩家输入提示词或上传参考图,AI生成模型,经过简化和格式转换后直接进入游戏。这是最理想的状态,实现起来需要前后端配合。
  • 开发者批量生成:开发者用AI批量产出基础资产库,供玩家搭建时使用。效率提升立竿见影,这个阶段最容易落地。
  • 玩家模型二次加工:玩家上传自己用AI生成的模型,游戏内提供自动修复和简化的服务。

我实际测试下来,这三种场景都能跑通,但难度和效果差别很大。最容易出效果、也最值得优先落地的是开发者批量生成场景——因为它不需要复杂的后端架构,只需要工具链打通即可。

2. 核心细节解析:从输入到可玩模型的完整链路

2.1 提示词输入的艺术:不是写作文,是写配方

用AI 3D工具生成模型,很多人第一步就栽在提示词上。拿它当Midjourney用,写“a cool spaceship”,出来的东西大概率是不可用的。

实际测试下来,提示词的最优结构是“主体+形态+风格参考+关键细节限定”。举个我调好的例子:

一艘小型货运飞船,机身有明显磨损旧化痕迹,驾驶舱为深色玻璃材质,船体两侧有集装箱挂载点,带4个推进器,尾部有蓝色推进火焰,低多边形写实风格

这段提示词包含六个关键信息:主体(货运飞船)、形态(小型)、材质细节(磨损旧化、深色玻璃)、功能部件(集装箱挂载点、推进器)、动态元素(推进火焰)、风格约束(低多边形写实风格)。

如果你只是写“a spaceship”或者“宇宙飞船”,AI会自由发挥,出来的东西大概率不具备游戏可用的设计逻辑——比如推进器可能长在侧面、驾驶舱可能在完全不合理的位置。

实操心得:AI 3D生成的提示词不应该由策划瞎写,而是主美来写。因为主美最清楚游戏的整体美术风格需要什么。同一条提示词,在高模写实游戏和卡通风游戏里,需要的表述完全是两回事。如果你在提示词里不限定风格,AI默认会往“好看”的方向生成,但“好看”不等于“游戏里能用”。

2.2 参考图输入:最稳妥的高精度方案

如果你对生成的精度和风格一致性要求极高,那么用参考图作为输入条件,是比纯文字更靠谱的路径。

我试过两种参考图:

  • 自己画的概念草图:效果出奇地好。我画了一张简单的凳子草图(就是几个方块的线框结构),AI生成的凳子模型在结构上与我的设计完全一致,甚至比我手画的还精致。
  • 实物照片:效果也不错,特别是做道具类资产,比如武器、背包、头盔。我拿一张真实的战术头盔照片上传,AI重构出来的三维模型,多边形布线比我预想的合理得多。

这里有一个关键点:参考图不是越复杂越好,而是主体越突出越好。你上传一张背景杂乱、包含多个物体的照片,AI会无所适从,不知道应该重建哪个物体。最好是白色背景、主体居中、光照均匀的参考图。这跟电商产品图的要求基本一致。

2.3 贴图质量:隐藏在“精度”背后的隐性门槛

很多AI 3D工具的噱头都强调“高精度模型”,但懂行的人都知道,模型精度只是其中一个维度,贴图质量才是隐形的大坑。

我实际测试下来,AI生成的模型在几何精度上确实不错(误差控制在零点几毫米级别),但在贴图上存在几个典型问题:

  • 贴图分辨率不足:默认输出通常是1024×1024,对于大型物件(比如载具、建筑)来说,近看会糊。
  • 法线贴图精度不够:细节凹凸感不足,在游戏光照下会显得“平”。
  • UV展开质量不稳定:有些模型展开后的UV是碎成几十个小块的,手动重新展UV非常耗时。

这些问题不是不能解决,但需要你在选择工具时特别确认它的贴图输出规格。我个人实测下来,要求最终输出包含完整PBR贴图(基础色、法线、粗糙度、金属度)的工具,在后期游戏内表现会好很多。

3. 实操过程:10秒生成到进游戏,全流程步骤拆解

3.1 环境准备与工具选择

先说我用的工具组合:

  • AI 3D生成工具:某平台提供的在线3D生成服务,支持文字和图片双输入
  • 3D处理软件:Blender(免费、开源、支持Python脚本自动化)
  • 游戏引擎:Unity 2021 LTS版本(UGC玩法的测试环境)
  • 减面工具:Blender内置的Decimate修改器 + 第三方自动减面插件

3.2 阶段一:AI生成(约10秒到2分钟)

操作步骤:

  1. 打开AI 3D生成工具的主界面,选择“文字生成”或“图片生成”模式。
  2. 输入提示词(参考我前面给出的配方结构)。
  3. 点击生成,等待10-30秒(复杂模型可能需要1-2分钟)。
  4. 在生成结果中选择最满意的一个。
  5. 导出为FBX格式,同时勾选“包含贴图”。

参数设置参考:

参数推荐值说明
多边形数量高模(约50-100万面)生成高模,后续自己减面,比直接生成低模更可控
贴图分辨率2048×2048宁可大了后期再缩,也不要小了后期没法放大
输出格式FBX通用性最好,主流的游戏引擎都支持
是否包含PBR贴图是这是关键,少了法线和粗糙度贴图,全靠手补会想死

3.3 阶段二:自动减面与LOD生成(约1分钟)

你生成的是一个高精度模型,可能是几十万上百万面,这个数量直接用进游戏,Draw Call直接爆炸。所以要做减面和LOD。

在Blender中的操作:

  1. 导入FBX模型。
  2. 选中模型,添加Decimate修改器,选择Collapse模式(不是Planar,Planar适合机械零件,Collapse更适合有机结构)。
  3. 目标面数设置为游戏实际需要的数量——我的基准是:
    • 近景道具:5-10万面
    • 中景物品:3-5万面
    • 远景装饰:1-2万面
  4. 检查减面后有无过度扭曲的区域,用Blender的“选择→锐边”功能快速定位问题区。
  5. 生成LOD级别(比如LOD0用5万面、LOD1用2万、LOD2用5000),通过Blender的“LOD生成器”插件完成。

这里有个非常实用的技巧:AI生成的模型往往在功能区(比如武器的瞄准镜、座椅的连接杆)密集布线,但在大平面(引擎盖、墙面)上布线稀疏。所以减面时要先选中“功能区”的面进行保护(用Vertex Group标记),然后再全局减面。否则减面会优先把功能区“减平”。

3.4 阶段三:格式转换与游戏引擎导入(约1分钟)

  1. 在Blender中安装“Better FBX Importer/Exporter”插件(比默认FBX导出器保留更多材质信息)。
  2. 选择导出,格式设为FBX,勾选“Apply Transform”。
  3. 打开Unity(或你用的引擎),把FBX文件拖入Asset面板。
  4. 确认材质的贴图是否正确挂接。
  5. 在Unity的Model Import设置中,调整Scale Factor(通常设为0.01),确保模型尺寸正确。

3.5 阶段四:游戏内绑定逻辑(约30分钟到数小时)

这是整个过程中最耗时的一步。AI生成的模型本身是一块静态网格,你需要为它添加游戏逻辑。

比如生成一个武器模型,你需要:

  • 挂接射击点(Muzzle Point)
  • 设置握持点(Grip Point)
  • 设置物理碰撞体(Collider)
  • 配置角色动作(Animation Rig)
  • 控制特效位置(特效挂点)

这一步的自动化程度取决于你的游戏引擎和框架。如果用的是Unity,可以通过预设Prefab模板配合脚本实现半自动化;如果是自研引擎,就需要多花点时间。

实测数据:我批量生成20个环境道具(箱子、罐子、桶、栅栏等),从开始生成到全部进游戏可拖动,总共耗时约1小时。其中AI生成和减面各占10分钟,游戏内绑定逻辑占了40分钟。对于传统建模方式,一天能做完5个道具就算高效了。

实操数据对比(一组环境道具的生产耗时对比):

步骤传统流程AI+自动减面流程
建模2-4小时/个10-30秒/个
展UV30分钟/个2分钟/个(检查即可)
贴图1-2小时/个5分钟/个(AI自动生成PBR贴图)
减面/LOD40分钟/个1分钟/个
导入游戏绑定20分钟/个20分钟/个
总计约6-8小时/个约30分钟/个

3.6 上线UGC编辑器的实操方案(批量生产流程)

如果你想让玩家也能用AI 3D生成能力,玩法侧需要这样设计:

玩家端流程:玩家在游戏内编辑器输入提示词或上传草图 → 点击生成 → 服务器排队 → 返回生成的模型(简化版) → 玩家确认后放入自己的建造空间。

实现路径:这个功能依赖以下几点:

  • 后端需要一个队列服务器,把玩家的生成请求排队,避免高并发把工具打爆。
  • 前端编辑器需要支持导入外部模型(至少支持OBJ或GLTF格式,最低限度也是GLB)。
  • 生成的模型需要在你服务器上做一次自动减面和碰撞体生成,再下发到玩家端。

目前纯前端实现AI 3D生成还不现实——以普通消费级电脑的算力,跑一个本地3D生成模型的推理,耗时少说也要几分钟,体验会非常差。所以除非你的目标玩家群人均顶配台式机,否则还是建议服务端部署、浏览器/游戏端只负责展示和确认。

4. 常见问题与排查技巧实录

4.1 问题一:生成的模型有严重几何畸变

现象:有时候生成的模型某些视图看起来正常,但换个角度就会出现凹陷、凸起、扭曲。

排查方法:

  1. 用网格检查工具(比如Blender的“网格检查”插件)显示非流形几何体(Non-Manifold Geometry)。
  2. 如果非流形区域超过整体的10%,说明本次生成质量不合格,建议直接重新生成,手动修复的时间成本太高。
  3. 如果是局部问题,用“体素重构”功能(Voxel Remesh)修复——把网格重新体素化,再平滑处理。

我的经验:文字生成模式下出现几何畸变的概率比图片生成高出不少,大概在15%-20%左右。图片生成模式的畸变率基本在5%以下。所以能传图片就传图片。

4.2 问题二:游戏引擎里模型显示为黑白色

现象:AI工具里看着是漂亮的有色模型,导入游戏引擎后变成全白或全黑。

原因定位:90%的情况是着色器(Shader)不兼容。AI工具的渲染器和游戏引擎的PBR管线(标准渲染管线和高清渲染管线的参数定义不同)对材质参数的解读不同。

解决方法:

  • 第一种:在Blender中用“Principled BSDF”重写一遍材质,并重新输出为FBX/GLB。
  • 第二种:在工具导出时选择“Unreal/Unity适配模式”——AI 3D工具一般会提供这个选项。我实测下来,这个选项通常会换算好粗糙度和金属度的参数范围,省很多事。

4.3 问题三:减面过程中细节消失

现象:减面以后,模型表面的细节(刻线、凹凸、立体装饰)被磨平了。

原因分析:这些细节本质上是由网格的凸起形态呈现的,减面会直接将其抹除。

解决方案:

  • 方案一(推荐):把法线贴图烘焙到低模上。这样一来,几何细节虽然没了,但光照在低模上会模拟出凸起和凹凸效果,视觉上与高模几乎无差。
  • 方案二:在减面时对细节区域做顶点组保护(前面提过),让细节区域的网格密度保持原状。

4.4 问题四:生成的模型比例不符合游戏标准

现象:模型本身很精致,但尺寸比例不对——比如一把椅子生成出来有4米高,一栋房子生成出来不到1米。

解决方式:

  • 在Blender里用尺子工具(Ruler/Protractor)量一下模型的实际尺寸。
  • 在导入游戏引擎前,调整Scale Factor。如果模型尺寸过大,导入时会自动缩小至正常值。
  • 所有模型都在Blender里统一缩放到1:1比例再进引擎,是最省心的做法。

5. 工具选型对比与避坑指南

5.1 市面主流AI 3D工具横向对比

市面上的AI 3D生成工具,主要分几类。每类我都测过,给你一份真实对比:

工具类型代表方案生成速度模型精度贴图质量适用场景
图像生成3D某扫描重建平台1-3分钟高高实物道具、现实物件数字化
文字生成3D某AI模型平台10-30秒中高中概念验证、快速原型、批量生产
3D修复/简化工具某自动减面服务10-20秒中海拔高降低面数、优化资产
多模态3D工具某网页端工具(我用得最多的)10-20秒高高UGC全流程

特别提醒一下:几乎每个AI 3D工具都有“免费点数”和“订阅制”的坑。测试阶段用免费额度绰绰有余,但如果你要批量生产资产,一定要提前算好成本。有些看起来便宜的套餐,实际上按次扣费后非常贵,最适合的方案是选包月不限次数的商务套餐。

5.2 开源替代方案:适合团队内部部署的选项

如果你的团队对数据安全和隐私有要求(游戏资产本身是商业机密,谁也不希望原画概念图传到别人的服务器上),可以考虑本地部署开源3D生成模型。

开源方案的优势:

  • 数据完全留在本地,不存在泄密风险。
  • 后续可以基于自己的风格训练微调,生成的内容更贴合自家游戏的美术风格。
  • 长期算下来,比按次付费更省钱。

劣势也很明显:

  • 需要至少一台配备独立显卡的服务器。
  • 部署和维护需要AI工程方面的能力。
  • 生成质量和商业工具存在差距,特别是贴图精度这块。

6. 后续扩展:这些玩法还能往哪里走

6.1 UGC玩法的三个进阶方向

方向一:AI生成+玩家协作创造。游戏内提供聊天窗口和协作编辑功能——玩家A生成模型,玩家B在此基础上修改贴图或调整比例。通过AI 3D工具的快速生成能力,协作不再需要等待对方完成全部工作。

方向二:动态替换身体部位。AI根据玩家输入,生成特定风格的装备部件,替换玩家角色身上的对应位置。这实际上是“装备类UGC”,和传统的外显装备系统完全兼容。

方向三:批量产出游戏内NPC教学内容的多模态资产。不只是玩家可用,开发团队自己也能用这个能力批量生成教学模式里的示范模式。一节课需要的示例场景、示例关卡、示例道具,用AI批量生成比手工效率高太多了。

6.2 一个让我印象最深的实验

我在做模拟项目X(一个基于物理模拟的建造类玩法)时,让玩家用AI生成“科幻风格家具”。有位玩家输入了“反重力悬浮椅,金属质感,带透明保护罩”,然后生成结果出来后,他直接在编辑器里把这个悬浮椅复制了几十份,拼了一个“反重力餐厅”。整个过程不超过10分钟。

这个玩法放在一年前完全不敢想——因为那时候要做出这几十份悬浮椅,美术组得画一天时间。而现在,UGC的核心门槛从“能不能做出资产”变成了“想不想做”。这两个字的差别,就是AI 3D工具带来的效率革命。

如果你在做UGC玩法,或者正准备尝试UGC方向,我的建议是:尽快把AI 3D生成纳入你的资产生产管线,先让团队跑通批量生成,再逐步开放给玩家使用。这条路我从最初的怀疑到现在的信心满满,实测下来真的是效率革命的级别。剩下的坑,等你真正上手了才会体会更深,到时候欢迎交流。


我个人在实际操作中的体会是:AI 3D生成工具解决的不只是“快”,更是“试错成本”。以前做一个模型要等几小时,现在10秒就能看效果,不行就重新生成,一天可以迭代几十个版本,这对玩法设计、美术风格的探索价值极大。最后再分享一个小技巧:AI生成的模型多半在边缘处会有微小的锯齿或破损,导入游戏前先在Blender里跑一遍“网格平滑”和“法线统一”处理,能让模型在绝大多数光照下看起来更干净,这个小习惯帮我避免了很多后期返工。

相关新闻

WorkBuddy Skill机制实战:从目录设计到热加载的完整拆解

WorkBuddy Skill机制实战:从目录设计到热加载的完整拆解

WorkBuddy 的 Skill 机制我算是从零开始一点一点啃下来的。最早接触它的时候,我以为就是个普通的插件系统,无非是放几个脚本、写个配置文件、按需加载而已。真正深入进去才发现,一套设计良好的 Skill 机制,涉及存放路径、加载时序、更新策略和长期维护四个维度,每个维度里还藏着…

2026/10/20 23:45:38 阅读更多 →
LLM代理重构GPU算子优化流程:从瓶颈诊断到Kernel改写

LLM代理重构GPU算子优化流程:从瓶颈诊断到Kernel改写

做GPU算子优化这行,真正让我觉得工作流被彻底重写的转折点,是2026年下半年开始,我们把LLM代理正式当成“一等优化手段”来用。以前提到优化kernel,大家脑子里是Nsight Compute、SASS汇编、occupancy分析这些传统套路,现…

2026/10/20 23:45:38 阅读更多 →
AI编码助手如何应对复杂大项目?从SWE-bench冠军到代码关系网实测

AI编码助手如何应对复杂大项目?从SWE-bench冠军到代码关系网实测

标题里塞满了流量词:“AI编码新王炸”“SWE-bench冠军”“免费登场”“专治复杂大项目”“硬刚 Cursor”。我第一反应是,又来了。这半年AI编码工具的新闻标题一个比一个猛,今天有人拿下榜单第一,明天宣布开放免费,后天…

2026/10/20 23:45:38 阅读更多 →

最新新闻

Vidu Q4 Preview深度评测:AI视频生成迈向生产力工具的关键一步

Vidu Q4 Preview深度评测:AI视频生成迈向生产力工具的关键一步

最近几个创作群里讨论最多的,绕不开Vidu Q4 Preview。做AI视频的同仁应该都有感觉,这个赛道现在卷到什么程度:几乎每隔几天就有新版本、新模型冒出来,但大多是“看起来厉害、一上手就露馅”。Vidu Q4 Preview这次放出的内容&#…

2026/10/21 0:33:56 阅读更多 →
AI在芯片设计中的黑盒困局:一次IR压降事故带来的反思

AI在芯片设计中的黑盒困局:一次IR压降事故带来的反思

芯片世界里,有一句话最近被工程师们重复得越来越多:AI赢了棋局,却讲不出思路。就在上个月,我拿着一个AI辅助完成的block级floorplan给物理设计团队,线长比上一版少了12%,拥塞图也干净得不像话。结果等IR压降…

2026/10/21 0:33:56 阅读更多 →
计算智能体入门:从状态机到Q-learning的决策实现

计算智能体入门:从状态机到Q-learning的决策实现

1. 从零理解计算智能体的核心骨架计算智能体这个概念,听起来像是学术论文里的术语,但把它拆开来看,其实就是一个能感知环境、做出决策、执行动作的软件实体。你可以把它想象成一个在迷宫里找路的小机器人,它能看到周围哪里有墙、哪…

2026/10/21 0:33:55 阅读更多 →
MoE混合专家模型:稀疏激活如何破解大模型容量与成本困局

MoE混合专家模型:稀疏激活如何破解大模型容量与成本困局

从Transformer诞生起,前馈网络(FFN)就是"又笨重又绕不开"的角色:它占了模型近三分之二的参数量,但每个token都得老老实实把所有参数过一遍。你扩大模型容量,推理成本就跟着线性往上涨&#xff0c…

2026/10/21 0:33:55 阅读更多 →
开源30B模型硬刚闭源旗舰:科研场景实测与本地部署指南

开源30B模型硬刚闭源旗舰:科研场景实测与本地部署指南

最近开源圈又热闹起来了,一个主打科研场景的30B级别开源模型,直接放话要跟两家头部闭源大模型掰手腕。我当时第一反应是“又来一个刷榜的”,但仔细看完技术报告和社区实测数据之后,觉得这波还真不是营销话术,确实有货。…

2026/10/21 0:33:55 阅读更多 →
LLM强化学习全解析:PPO、GRPO、DPO等五类方法选型与实践

LLM强化学习全解析:PPO、GRPO、DPO等五类方法选型与实践

做LLM训练绕不开强化学习这块,标题里这五个字看着简单,真要分类起来其实挺讲究的。我前几年刚开始接触大模型对齐时,也把PPO、DPO、GRPO这些名词搞得晕头转向,后来用了一段时间才理清楚它们之间的血缘关系和适用场景。这篇博文就把…

2026/10/21 0:32:54 阅读更多 →

日新闻

统一内存+量化:锐龙AI Max PRO 400如何本地跑320B大模型

统一内存+量化:锐龙AI Max PRO 400如何本地跑320B大模型

这段时间硬件圈和AI圈都在传一个事:AMD锐龙AI Max PRO 400系列把最高192GB统一内存搬进了PC形态的产品里,按宣传口径,本地跑320B参数的大家伙不再是纸面概念。我第一反应倒不是“内存真大”,而是这话背后的含金量——它把过去只能…

2026/10/21 0:00:11 阅读更多 →
AI助手深度使用体验:对话质量、长文本处理与指令遵循如何留住用户

AI助手深度使用体验:对话质量、长文本处理与指令遵循如何留住用户

1. 从“封号重开”这个行为说起:用户到底在追求什么“封号重开”这四个字,放在任何产品语境里都带着一股决绝的味道。一个账号从零开始积累使用记录、调教偏好、沉淀工作流,背后是大量的时间和精力成本。正常情况下,没有人愿意主动…

2026/10/21 0:00:11 阅读更多 →
ROS中YOLOv3工程落地:通信同步、坐标变换与性能调优

ROS中YOLOv3工程落地:通信同步、坐标变换与性能调优

1. 为什么在ROS里硬刚YOLOv3不是“炫技”,而是工程落地的必经之路我第一次在某高校机器人实验室看到那台搭载Jetson TX2的移动底盘原地打转、反复识别错垃圾桶时,就意识到:单纯跑通darknet_ros demo和真正让YOLOv3在ROS里“干活”&#xff0c…

2026/10/21 0:00:11 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/20 10:02:13 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/20 20:43:59 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/20 2:50:50 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 10:02:08 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 9:50:17 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 9:50:45 阅读更多 →