至顶网CIO与应用频道 08月21日 北京消息:采用白鹭引擎和骨骼动画工具龙骨(DragonBones)研发,借助Egret Native应用打包方案发行的原生APP手游《P. King’s GREAT JOG》已于今年暑期正式在美iOS商店上线。游戏改编自首个登陆美国迪士尼少儿频道的中国动画《豆小鸭(P.King Duckling)》,童趣新颖的玩法,梦幻卡通般画质,正在全美儿童及家庭间掀起跑酷热潮。
Eurodata电视数据研究机构报告显示,从2016年11月份到2017年1月份,《豆小鸭》在迪斯尼少儿频道的2-5岁年龄段观众中收视排名第二,全美范围内有超过1800万观众收看了这部中国原创动画片。今年暑期上线的同名游戏《P. King’s GREAT JOG》则完全还原了动画片剧情,深受儿童玩家喜爱。游戏中一只怀揣梦想、勇敢无畏但运气稍显欠佳的呆萌大黄鸭和两位好朋友小沃、猪金宝一起踏上冒险旅途。儿童玩家可以在设置简单的关卡里通过收集金币、躲避障碍购买服装,并收集红萝卜到外太空旅行,带着梦想踏上奇幻旅程的三个小家伙足迹将遍布世界。
给力技术支持,完成出色游戏开发
“白鹭的技术支持还是很给力的”,《P. King’s GREAT JOG》技术负责人袁博在谈到游戏开发时说:“白鹭在H5技术方面具有很多优势,因为给迪士尼开发产品最重要注重动画和艺术效果,所以必然需要比较强的动画工具,而白鹭引擎官方支持的龙骨(DragonBones)骨骼动画产品可以出色完成这件事情。另外,白鹭引擎官方提供的技术文档很全面,可以很快上手,白鹭有着完整的工具流,有助于开发的较快完成。在渲染效率上面,白鹭引擎做了较多的优化,游戏在技术开发中只用不到2.5个月就完成。 ”
在技术支持方面,白鹭为《P. King’s GREAT JOG》游戏提供了一系列完整高效的解决方案。袁博表示,采用白鹭Egret Native应用打包方案,已经同步发行了ios 和Android 双版本手游,不仅节约了开发时间提高工作效率,对于白鹭的技术支持也非常信任,未来期许借助白鹭技术研发更多创意产品。
完整产品矩阵,实现高效简单创作
长期耕植H5技术领域,引擎商白鹭时代正构筑起完整产品矩阵壁垒,以助力开发者高效简单实现创意工作。旗下产品涵盖H5游戏研发引擎Egret Engine,首个支持H5动漫国际标准骨骼动画创作工具DragonBones,应用打包方案Egret Native,加速器Egret Runtime, 可视化编辑器Egret Wing 等完整工作流已为全球超20万H5活跃开发者服务。
核心产品白鹭引擎Egret Engine遵循HTML5技术标准,包括2DD游戏渲染核心,具有出色运行性能,高速开发效率,极强跨平台运行能力。市场中诸如决战沙城、传奇世界H5、莽荒纪等多款千万级月流水爆款均采用白鹭引擎研发。
作为辅助性工具Egret Native产品帮助开发者将基于白鹭引擎开发的 H5 游戏一键转换为 Android App 和 iOS APP版本,《P. King’s GREAT JOG》游戏即采用该方案,解决了碎片化和兼容问题,适配已不再成为设计师头疼的难题。此外,该游戏采用的DragonBones(龙骨)工具是目前全球移动市场上最受欢迎的2D骨骼动画创作平台,开源免费、功能强大、完善的工作流蜚声海内外游戏创作圈,拥有曾创造中国移动游戏收入神话的《刀塔传奇》等多款经典成功游戏案例。
在白鹭引擎底层技术日益完善优化中,引擎技术升级带给H5开发更为简单成熟体验。以高效、性能组合的白鹭产品矩阵,诠释着白鹭俯身砥砺磨合产品,于革新中为开发者提供极致工具,以技术驱动高效创作的简约产品理念。
好文章,需要你的鼓励
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。