用ChatGPT去复刻一款流水过亿的游戏！
2022最火的肉鸽游戏是哪款？如果要问这个问题，那么非《吸血鬼幸存者》莫属！
割草游戏的元年
或许有人没玩过吸血鬼幸存者，但一定在抖音视频上刷到过同类的玩法，简单的操作配合上多样的技能搭配，加上盲盒一样的肉鸽玩法，和密密麻麻的魔物，经常让玩家一炫就一天，根本停不下来。
这种魔性般的割草玩法不仅在Steam的PC游戏中火爆了起来，更是像风暴一般，席卷了全球的2D动作游戏领域。
2022年，由Habby发行的《弹壳特攻队》轻松实现了月流水破亿，长期霸占了全球各地区的排行榜。
这款游戏的玩法真正向我阐释了““虽千万人，吾往矣！”.
同样爆火的还有另外一款水墨画风的割草游戏《九重试炼》，让我体验到什么是“仙人之下我无敌！仙人之上一换一！""
目前国内小游戏平台和安卓,iOS平台的割草游戏多达数百款，但是大部分同类游戏都面临了性能问题。无论是数千个敌人需要实用定制化的物理引擎，还是大量的粒子特效需要优雅的和合批处理，都需要大量的研发时间。
使用AI帮助降低研发成本
针对上述的痛点，我找到了一个物理引擎大佬98K，98K使用ChatGPT的AI聊天对话，来定制一款在H5和小游戏平台能支持数千敌人的物理引擎！
本文将介绍如何使用ChatGPT去制作一款商用级的物理引擎 （98K割草物理）
下期文章二喵会提供自己的粒子方案，介绍如何用ChatGPT优化的粒子特效系统 （P2D物理系统)，借助ChatGPT去优化底层的Assembler和Renderer，轻松实现全屏数千个粒子动画特效的合批和性能提升！让小游戏平台也能实现数千个特效同屏！
当然，这个方案会免费开源（同时下期文章也会分享本文的碰撞检测的Cocos的官方应用商店地址 ^ ^，卡牌游戏也在更新了！)
使用ChatGPT制作高性能的碰撞检测
这次在Chatgpt AI的加持下，为大家带来了高性能2D/3D，轻量的动态碰撞检测系统，为广大的割草，弹幕，打飞机，群聚… ，都提供轻量高性能的开箱即用的系统, 为广大开发做更优质性能游戏，提供一份力量。
碰撞系统分为动态和静态两种，不同的情形会使用不同策略。
1.动态碰撞检测 ，主要针对运动物体，例如角色，子弹，技能… 基于智能分轴扫掠优化方案，使用了(优化版SAP + OBB等…) 适用各种2D/3D，运动物体检测，如角色，弹幕，子弹，攻击… (性能是一般“四叉树”方式的2到3倍性能) 体验地址：http://learncocos.com/rougelike/
2.静态碰撞检测 , 主要针对静止物体，例如场景 , 物品 , 障碍… 基于空间静态分割优化方案，使用了(octree + kdtree + gjk + epa) 技术栈。适用于3D世界行走，3D表面行走和3D边界检测(fps , mmo, rpg) 体验地址：https://store.cocos.com/app/detail/4035
动态碰撞检测系统组成
1.AABB 包围盒更新 2.粗略碰撞算法筛选 3.最后形状精确碰撞
下面围绕这三件套，我会请教下最近大火的ChatGPT，看能不能交个朋友，让GPT老师指点一二！
先科普一下，这次为什么会挑选SAP，作为动态碰撞检测的核心筛选算法呢，因为各大物理引擎都能看它的身影，存在即是理由。SAP全名(sweep and prune) , 是一种对轴向排序扫掠算法(有种SAT剪枝的味道)。
对X轴投影可以快速分离排除相交
大老师总结了这些优点:
1.物体更新快 (物体实时更新位置)
由于要对分轴排序，你可能会想到用快排nlogn ,
但是SAP 有个真正灵魂地方，由于运动物体相邻帧情况下排序是相对稳定，所以实际中使用插入排序会更快，是很有可能到o(n) 的性能，整体上会比nlogn快很多。其他树状如四叉，八叉，BVH ，更新物体需要调整树结构是消耗成本不低的。
2.物体间相互检测快 (常说的trigger)由于使用的顺序存取结构，读写性能比其他形树结构能高，同时轻易进行相互trigger检测，而且这顺序结构天生就带去重检测功能（例如：四叉树，八叉树，格子，这一类多次分割，还要进行去重标记检测，无形增加性能消耗）
3.支持2D/3D无范围限制 (兼容性)由于是对轴向排序分割检测，所以不存空间大小限制，也不受维度的限制，很好的支持全范围的2D/3D 空间检测。（像四叉，八叉，格子，可能会受到空间范围大小限制）
本着人生第一信条，“谁提出问题就让谁来解决问题！” 我决定让AI它解决自己抛出的问题。
好家伙，一声音不哼的，啪啪啪打起代码来了！
但是总感觉流程可以但是还是缺少点灵魂，武功心法掌握的是十足，打起功夫来还是差了点。
不难看出老师的基础内容很强，只是缺少一两套招式！让我们来循循渐进，提起提升GPT老师的武学招式！
经过一轮和GPT老师的学习，也收集差不多，本着“谁提出问题就让谁来解决问题！”，我将和大老师一起来优化这个方案！
在AI编写的框架上进行自己的精准的改造，同时结合自己的优化方式，对SAP算法进行了深入的改造，为后面碰撞检测提供最大的效力。
粗略筛选完成了，成功了一大半，还有两个环节(AABB , Shape)，如何实现？本着个人第三信条，能不动手坚决不动手，于是再次唤醒AI起来啪啪啪写代码。
1.AABB 包围盒更新？(AABB 主要提供给粗略筛选)
经过了几轮沟通，GPT老师在我的穷追不舍之下，给出了比较精简的方案。
他像是一个不知疲倦的编程机器，不停的卷我！
我只需要拍拍的他的机箱！他就会不停的加班！不知疲倦的输出更高质量的代码方案！
这样AABB 旋转更新完成，可以交付到SAP进行粗略碰撞筛选。
Shape形状精确碰撞
目前暂时支持Box ,Sphere检测(后续会支持其他常用)，支持3D旋转操作的碰撞。所以我们要实现OBB vs OBB 和 OBB vs Sphere 的检测。本着个人第三信条，厚着脸皮再次唤醒了AI.
1.Sphere vs Sphere 的碰撞检测2.OBB vs Sphere （旋转方体与球体 精确碰撞）
有这个SDF检测，只需要把Sphere转到OBB 旋转坐标系下，就可以转化为SDF求交。
3.OBB vs OBB (旋转方体之间精确碰撞)
老板！这里有人007写代码！！！！
在GPT老师的的协助下，这个方案得到了很好解决！
最后在努力下，碰撞系统终于运行了起来，AI是可以写代码，但是它不一定完美，需要从业者有一定知识储备，才能更好的发挥它效力。
假以时日，在大家训练和全球的知识的加持下，它终究会成为那个巨人！踩在我们肩上肩膀上！帮助人类探索未知的星海！！
动态碰撞实战！跑个分！
小米10 浏览器：2000个 ,2D AABB 碰撞测试
小米10 浏览器：2000个 ,3D AABB 碰撞测试
小米10 浏览器: 简单使用割草demo测试
测试设备：小米10 骁龙865 （军哥真米粉！）
浏览器：自带浏览器
测试数据：
2000个运动2D AABB : 平均 5ms 左右
2000个运动3D AABB : 平均 8ms 左右
这个性能是一般“四叉树”方式的2到3倍性能，更多的测试体验，可以行运行下面体验连接。体验连接：http://learncocos.com/rougelike/
这不是我的极限，更不是ChatGPT的极限
在AI的加持下，我们的极限会在星辰大海！