本發(fā)明涉及元宇宙技術(shù)，尤其涉及基于元宇宙場(chǎng)景搭建引擎的多種需求自適應(yīng)適配方法。

背景技術(shù)：

1、隨著元宇宙概念的不斷發(fā)展與普及，元宇宙場(chǎng)景搭建已成為數(shù)字內(nèi)容創(chuàng)作的重要領(lǐng)域。元宇宙場(chǎng)景搭建引擎是實(shí)現(xiàn)虛擬世界構(gòu)建的核心技術(shù)工具，它需要支持多樣化的用戶需求，并在不同硬件配置和網(wǎng)絡(luò)環(huán)境下提供流暢的體驗(yàn)。目前，元宇宙場(chǎng)景搭建技術(shù)主要依賴于大型游戲引擎和專業(yè)三維建模軟件進(jìn)行開發(fā)，如unity、unreal?engine等。這些引擎提供了豐富的功能組件和開發(fā)工具，使創(chuàng)作者能夠構(gòu)建復(fù)雜的虛擬環(huán)境。然而，元宇宙應(yīng)用場(chǎng)景范圍廣泛，從教育培訓(xùn)到社交娛樂，從商業(yè)展示到工業(yè)仿真，不同應(yīng)用場(chǎng)景對(duì)系統(tǒng)性能、交互方式和視覺效果有著迥異的需求。此外，用戶設(shè)備的多樣性也給元宇宙場(chǎng)景的一致性體驗(yàn)帶來了巨大挑戰(zhàn)，從高性能pc到移動(dòng)設(shè)備，從vr頭顯到普通屏幕，需要針對(duì)不同硬件特性進(jìn)行專門的適配與優(yōu)化。

2、現(xiàn)有元宇宙場(chǎng)景搭建技術(shù)在適配多樣化需求方面存在明顯局限性。大多數(shù)場(chǎng)景搭建引擎采用固定的功能組件集合，無法根據(jù)實(shí)際運(yùn)行環(huán)境動(dòng)態(tài)調(diào)整組件加載策略，導(dǎo)致在低配置設(shè)備上出現(xiàn)嚴(yán)重的性能瓶頸或功能缺失。這種"一刀切"的適配方式無法滿足元宇宙多元化的應(yīng)用需求，嚴(yán)重限制了元宇宙技術(shù)的普及和應(yīng)用范圍。

3、傳統(tǒng)場(chǎng)景適配方法缺乏智能化的數(shù)據(jù)驅(qū)動(dòng)優(yōu)化機(jī)制。系統(tǒng)優(yōu)化通常依賴開發(fā)人員的經(jīng)驗(yàn)和手動(dòng)調(diào)整，難以針對(duì)海量用戶在不同環(huán)境下的使用情況進(jìn)行持續(xù)優(yōu)化。由于缺乏有效的用戶體驗(yàn)數(shù)據(jù)收集和分析機(jī)制，系統(tǒng)難以自動(dòng)識(shí)別性能瓶頸并進(jìn)行針對(duì)性優(yōu)化，導(dǎo)致用戶體驗(yàn)不一致且難以預(yù)測(cè)。

4、現(xiàn)有技術(shù)方案在跨設(shè)備協(xié)同和資源共享方面存在明顯不足。各終端設(shè)備相互獨(dú)立運(yùn)行，缺乏有效的聯(lián)邦學(xué)習(xí)和分布式優(yōu)化框架，無法充分利用網(wǎng)絡(luò)中的集體智能來提升整體系統(tǒng)性能。這導(dǎo)致相同場(chǎng)景在不同設(shè)備上需要重復(fù)進(jìn)行相似的優(yōu)化工作，資源利用效率低下，且難以根據(jù)用戶群體的整體使用情況進(jìn)行全局最優(yōu)的資源分配和功能優(yōu)化。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供基于元宇宙場(chǎng)景搭建引擎的多種需求自適應(yīng)適配方法，能夠解決現(xiàn)有技術(shù)中的問題。

2、本發(fā)明實(shí)施例的第一方面，

3、提供基于元宇宙場(chǎng)景搭建引擎的多種需求自適應(yīng)適配方法，包括：

4、獲取用戶輸入的元宇宙場(chǎng)景搭建引擎的適配需求信息；

5、基于所述適配需求信息，從預(yù)設(shè)的場(chǎng)景組件庫中調(diào)用與所述適配需求信息對(duì)應(yīng)的基礎(chǔ)功能組件；

6、對(duì)所述基礎(chǔ)功能組件進(jìn)行多層級(jí)拆分，針對(duì)不同運(yùn)行環(huán)境的硬件配置建立功能組件加載優(yōu)先級(jí)表，所述功能組件加載優(yōu)先級(jí)表中記錄每個(gè)功能組件的資源占用值、最低運(yùn)行要求以及加載順序，根據(jù)所述功能組件加載優(yōu)先級(jí)表確定在當(dāng)前運(yùn)行環(huán)境下的組件動(dòng)態(tài)加載方案；

7、根據(jù)所述組件動(dòng)態(tài)加載方案構(gòu)建依賴關(guān)系圖，對(duì)所述依賴關(guān)系圖進(jìn)行分層劃分，將所述基礎(chǔ)功能組件組合形成初始場(chǎng)景適配方案；

8、基于聯(lián)邦學(xué)習(xí)框架和所述初始場(chǎng)景適配方案構(gòu)建分布式場(chǎng)景優(yōu)化網(wǎng)絡(luò)，所述分布式場(chǎng)景優(yōu)化網(wǎng)絡(luò)包括多個(gè)邊緣節(jié)點(diǎn)，每個(gè)邊緣節(jié)點(diǎn)部署有場(chǎng)景適配代理模型，通過所述場(chǎng)景適配代理模型采集本地場(chǎng)景運(yùn)行數(shù)據(jù)，將所述本地場(chǎng)景運(yùn)行數(shù)據(jù)進(jìn)行匿名化處理后上傳至中心服務(wù)器，所述中心服務(wù)器融合來自各個(gè)邊緣節(jié)點(diǎn)的場(chǎng)景運(yùn)行數(shù)據(jù)，更新預(yù)先構(gòu)建的全局場(chǎng)景適配模型的參數(shù)，并將更新后的所述全局場(chǎng)景適配模型的參數(shù)分發(fā)至各個(gè)邊緣節(jié)點(diǎn)，實(shí)現(xiàn)場(chǎng)景適配代理模型的持續(xù)優(yōu)化；

9、將優(yōu)化后的場(chǎng)景適配方案部署至目標(biāo)運(yùn)行環(huán)境，完成元宇宙場(chǎng)景的自適應(yīng)適配。

10、對(duì)所述基礎(chǔ)功能組件進(jìn)行多層級(jí)拆分，針對(duì)不同運(yùn)行環(huán)境的硬件配置建立功能組件加載優(yōu)先級(jí)表包括：

11、將所述基礎(chǔ)功能組件拆分為核心功能層、擴(kuò)展功能層和可選功能層，所述核心功能層包含場(chǎng)景運(yùn)行必需的最小功能集，所述擴(kuò)展功能層包含提升場(chǎng)景性能的增強(qiáng)功能集，所述可選功能層包含提供特殊效果的附加功能集；針對(duì)所述核心功能層、所述擴(kuò)展功能層和所述可選功能層中的每個(gè)功能組件，記錄其資源占用值、最低運(yùn)行要求以及組件間的依賴關(guān)系，生成功能組件配置表；

12、基于所述功能組件配置表以及目標(biāo)運(yùn)行環(huán)境的硬件參數(shù)，建立功能組件加載優(yōu)先級(jí)表。

13、根據(jù)所述組件動(dòng)態(tài)加載方案構(gòu)建依賴關(guān)系圖，對(duì)所述依賴關(guān)系圖進(jìn)行分層劃分，將所述基礎(chǔ)功能組件組合形成初始場(chǎng)景適配方案包括：

14、根據(jù)所述組件動(dòng)態(tài)加載方案構(gòu)建依賴關(guān)系圖，所述依賴關(guān)系圖中每個(gè)節(jié)點(diǎn)表示一個(gè)功能組件，節(jié)點(diǎn)之間的連接表示功能組件之間的依賴關(guān)系；通過功能耦合度、內(nèi)存共享程度和調(diào)用時(shí)序相關(guān)性的加權(quán)組合得到依賴關(guān)系中的依賴強(qiáng)度；根據(jù)所述依賴強(qiáng)度對(duì)所述依賴關(guān)系圖中的功能組件進(jìn)行分層劃分，得到功能組件的層級(jí)結(jié)構(gòu)；

15、基于所述層級(jí)結(jié)構(gòu)構(gòu)建組件調(diào)度優(yōu)先級(jí)表，所述組件調(diào)度優(yōu)先級(jí)表記錄每個(gè)功能組件的調(diào)度權(quán)重；根據(jù)所述組件調(diào)度優(yōu)先級(jí)表生成功能組件的初始組合方案，所述初始組合方案包括功能組件的加載順序和資源分配策略；

16、獲取系統(tǒng)實(shí)時(shí)負(fù)載數(shù)據(jù)，根據(jù)所述系統(tǒng)實(shí)時(shí)負(fù)載數(shù)據(jù)構(gòu)建狀態(tài)轉(zhuǎn)換矩陣，所述狀態(tài)轉(zhuǎn)換矩陣描述功能組件在不同負(fù)載條件下的狀態(tài)遷移規(guī)則；基于所述狀態(tài)轉(zhuǎn)換矩陣對(duì)所述初始組合方案中的功能組件進(jìn)行動(dòng)態(tài)調(diào)整，生成初始場(chǎng)景適配方案，所述初始場(chǎng)景適配方案滿足系統(tǒng)性能約束。

17、基于聯(lián)邦學(xué)習(xí)框架和所述初始場(chǎng)景適配方案構(gòu)建分布式場(chǎng)景優(yōu)化網(wǎng)絡(luò)，所述分布式場(chǎng)景優(yōu)化網(wǎng)絡(luò)包括多個(gè)邊緣節(jié)點(diǎn)，每個(gè)邊緣節(jié)點(diǎn)部署有場(chǎng)景適配代理模型，通過所述場(chǎng)景適配代理模型采集本地場(chǎng)景運(yùn)行數(shù)據(jù)，將所述本地場(chǎng)景運(yùn)行數(shù)據(jù)進(jìn)行匿名化處理后上傳至中心服務(wù)器，所述中心服務(wù)器融合來自各個(gè)邊緣節(jié)點(diǎn)的場(chǎng)景運(yùn)行數(shù)據(jù)，更新預(yù)先構(gòu)建的全局場(chǎng)景適配模型的參數(shù)，并將更新后的所述全局場(chǎng)景適配模型的參數(shù)分發(fā)至各個(gè)邊緣節(jié)點(diǎn)，實(shí)現(xiàn)場(chǎng)景適配代理模型的持續(xù)優(yōu)化包括：

18、構(gòu)建分布式場(chǎng)景優(yōu)化網(wǎng)絡(luò)，所述分布式場(chǎng)景優(yōu)化網(wǎng)絡(luò)包括多個(gè)邊緣節(jié)點(diǎn)和中心服務(wù)器，每個(gè)所述邊緣節(jié)點(diǎn)部署有場(chǎng)景適配代理模型；

19、通過所述場(chǎng)景適配代理模型采集場(chǎng)景運(yùn)行數(shù)據(jù)并進(jìn)行差分隱私處理，向所述場(chǎng)景運(yùn)行數(shù)據(jù)中添加服從拉普拉斯分布的噪聲，得到匿名化數(shù)據(jù)；采用自適應(yīng)量化方法對(duì)所述匿名化數(shù)據(jù)進(jìn)行壓縮編碼，得到編碼后的匿名化數(shù)據(jù)；

20、將所述編碼后的匿名化數(shù)據(jù)上傳至所述中心服務(wù)器，所述中心服務(wù)器基于加權(quán)平均聚合策略融合來自各個(gè)所述邊緣節(jié)點(diǎn)的匿名化數(shù)據(jù)，更新全局場(chǎng)景適配模型的參數(shù)，所述加權(quán)平均聚合策略中的節(jié)點(diǎn)權(quán)重與數(shù)據(jù)質(zhì)量和計(jì)算能力相關(guān)；

21、采用自適應(yīng)分發(fā)策略將更新后的所述全局場(chǎng)景適配模型的參數(shù)分發(fā)至各個(gè)所述邊緣節(jié)點(diǎn)，所述自適應(yīng)分發(fā)策略基于動(dòng)量因子和學(xué)習(xí)率對(duì)參數(shù)更新向量進(jìn)行調(diào)整；所述邊緣節(jié)點(diǎn)根據(jù)接收到的模型參數(shù)更新所述場(chǎng)景適配代理模型。

22、通過所述場(chǎng)景適配代理模型采集場(chǎng)景運(yùn)行數(shù)據(jù)并進(jìn)行差分隱私處理，向所述場(chǎng)景運(yùn)行數(shù)據(jù)中添加服從拉普拉斯分布的噪聲，得到匿名化數(shù)據(jù)；采用自適應(yīng)量化方法對(duì)所述匿名化數(shù)據(jù)進(jìn)行壓縮編碼，得到編碼后的匿名化數(shù)據(jù)包括：

23、計(jì)算場(chǎng)景運(yùn)行數(shù)據(jù)的全局敏感度，所述全局敏感度通過任意兩個(gè)相鄰數(shù)據(jù)集之間查詢函數(shù)輸出結(jié)果的最大差值確定；基于所述全局敏感度構(gòu)建拉普拉斯噪聲生成函數(shù)，所述拉普拉斯噪聲生成函數(shù)包含噪聲尺度參數(shù)和位置參數(shù)，所述噪聲尺度參數(shù)由所述全局敏感度與隱私預(yù)算的比值確定；

24、將所述拉普拉斯噪聲生成函數(shù)注入所述場(chǎng)景運(yùn)行數(shù)據(jù)中，得到初始匿名化數(shù)據(jù)集；根據(jù)所述初始匿名化數(shù)據(jù)集中數(shù)據(jù)的概率分布計(jì)算數(shù)據(jù)熵，基于所述數(shù)據(jù)熵構(gòu)建自適應(yīng)量化步長(zhǎng)計(jì)算函數(shù)，所述自適應(yīng)量化步長(zhǎng)計(jì)算函數(shù)通過基礎(chǔ)步長(zhǎng)與所述數(shù)據(jù)熵的指數(shù)函數(shù)關(guān)系確定量化步長(zhǎng)；

25、利用所述量化步長(zhǎng)對(duì)所述初始匿名化數(shù)據(jù)集進(jìn)行自適應(yīng)量化處理，得到量化后的匿名化數(shù)據(jù)集；計(jì)算所述量化后的匿名化數(shù)據(jù)集的壓縮率，所述壓縮率通過原始數(shù)據(jù)大小與量化后數(shù)據(jù)大小的比值確定；

26、當(dāng)所述壓縮率位于預(yù)設(shè)壓縮閾值范圍內(nèi)時(shí)，對(duì)所述量化后的匿名化數(shù)據(jù)集進(jìn)行編碼優(yōu)化，得到最終的匿名化數(shù)據(jù)。

27、采用自適應(yīng)分發(fā)策略將更新后的所述全局場(chǎng)景適配模型的參數(shù)分發(fā)至各個(gè)所述邊緣節(jié)點(diǎn)，所述自適應(yīng)分發(fā)策略基于動(dòng)量因子和學(xué)習(xí)率對(duì)參數(shù)更新向量進(jìn)行調(diào)整；所述邊緣節(jié)點(diǎn)根據(jù)接收到的模型參數(shù)更新所述場(chǎng)景適配代理模型包括：

28、獲取邊緣節(jié)點(diǎn)的局部梯度信息和歷史參數(shù)更新記錄，所述局部梯度信息表征場(chǎng)景適配代理模型的優(yōu)化方向，所述歷史參數(shù)更新記錄包含上一時(shí)刻的參數(shù)更新向量；

29、基于所述局部梯度信息和所述歷史參數(shù)更新記錄構(gòu)建參數(shù)更新向量，根據(jù)所述邊緣節(jié)點(diǎn)的計(jì)算能力和網(wǎng)絡(luò)狀態(tài)自適應(yīng)調(diào)整動(dòng)量因子和學(xué)習(xí)率，所述動(dòng)量因子用于控制歷史信息的保留程度，所述學(xué)習(xí)率用于調(diào)節(jié)參數(shù)更新的步長(zhǎng)；當(dāng)所述計(jì)算能力低于預(yù)設(shè)能力閾值時(shí)增大所述學(xué)習(xí)率，當(dāng)所述網(wǎng)絡(luò)狀態(tài)低于預(yù)設(shè)狀態(tài)閾值時(shí)增大所述動(dòng)量因子；根據(jù)所述動(dòng)量因子和所述學(xué)習(xí)率計(jì)算當(dāng)前時(shí)刻的參數(shù)更新向量；

30、將所述參數(shù)更新向量作用于全局場(chǎng)景適配模型的參數(shù)，得到更新后的模型參數(shù)；構(gòu)建分層分發(fā)策略，根據(jù)所述計(jì)算能力對(duì)所述邊緣節(jié)點(diǎn)進(jìn)行分層，優(yōu)先將所述更新后的模型參數(shù)分發(fā)至計(jì)算能力高于預(yù)設(shè)能力閾值的邊緣節(jié)點(diǎn)；所述邊緣節(jié)點(diǎn)接收所述更新后的模型參數(shù)并更新所述場(chǎng)景適配代理模型，完成模型參數(shù)的自適應(yīng)分發(fā)。

31、本發(fā)明實(shí)施例的第二方面，

32、提供一種電子設(shè)備，包括：

33、處理器；

34、用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；

35、其中，所述處理器被配置為調(diào)用所述存儲(chǔ)器存儲(chǔ)的指令，以執(zhí)行前述所述的方法。

36、本發(fā)明實(shí)施例的第三方面，

37、提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)前述所述的方法。

38、本技術(shù)的有益效果如下：

39、本發(fā)明實(shí)現(xiàn)了元宇宙場(chǎng)景的智能化自適應(yīng)適配，通過組件的多層級(jí)拆分和動(dòng)態(tài)加載優(yōu)先級(jí)機(jī)制，使系統(tǒng)能夠根據(jù)不同硬件配置自動(dòng)調(diào)整場(chǎng)景復(fù)雜度，有效解決了元宇宙應(yīng)用在多種設(shè)備上的兼容性問題，提高了用戶體驗(yàn)的一致性。

40、本發(fā)明采用聯(lián)邦學(xué)習(xí)框架構(gòu)建分布式場(chǎng)景優(yōu)化網(wǎng)絡(luò)，在保護(hù)用戶隱私的前提下，實(shí)現(xiàn)了大規(guī)模場(chǎng)景運(yùn)行數(shù)據(jù)的收集與分析，避免了傳統(tǒng)中心化學(xué)習(xí)模型的數(shù)據(jù)孤島問題，同時(shí)通過邊緣節(jié)點(diǎn)的本地計(jì)算降低了網(wǎng)絡(luò)傳輸負(fù)擔(dān)，提升了系統(tǒng)整體性能和響應(yīng)速度。

41、本發(fā)明通過依賴關(guān)系圖的構(gòu)建與分層劃分技術(shù)，優(yōu)化了組件間的協(xié)同工作效率，減少了資源沖突和加載阻塞，使元宇宙場(chǎng)景在不同終端設(shè)備上都能獲得流暢的運(yùn)行體驗(yàn)，同時(shí)系統(tǒng)的自適應(yīng)能力隨著用戶量的增加而不斷提升，形成了良性的技術(shù)迭代閉環(huán)。