项目里需要根据用户的操作自动生成一些自动随机移动的物体,蓝图里使用了AI MoveTo节点来实现AI操作,将蓝图直接拖到世界场景中,它就会动,程序运行中动态生成的角色就不会动,折磨了我半天,后来在设置中发现了问题,蓝图细节设置pawn中,将自动控制AI选为已生成,这样在场景加载后再生成的角色就会被AI自动控制。要注意设置完还无效的话就关闭UE重新打开项目,我设置完了发现还是不动,节点也输出成功了但就是不动,烦的要命,重启了一下UE居然能动了,这就很离谱,改个这个设置还要重启UE。。。
还要注意一点如果你的角色不考虑是否碰撞的话,那就设置忽略碰撞,否则角色密集或是距离过近可能会产生碰撞,系统会一直计算,角色还是会一直的不动,尽管节点是输出成功的。

(文章我原本发布在知乎上的,知乎文章删除了,在这里做个备份)
相关推荐
最近更新
Gemini Config Checker:用已登录浏览器实测代理配置能否访问 Google AI Studio 与 Gemini
Gemini Config Checker 是一款通过已登录浏览器实测代理配置能否访问 Google AI Studio 和 Gemini 的工具,支持 Simple/Advanced 双模式、Anti-DPI 参数和链式配置导出,当前处于 0.1.0 早期预发布阶段。
Gemini Config Checker:用已登录浏览器筛选能进 Google AI Studio 和 Gemini 的代理配置
Gemini Config Checker 是一个面向代理配置的检查工具,通过已登录的 Chrome/Edge/Brave 浏览器读取 Google 对 AI Studio 和 Gemini 的区域判定,支持简单与高级两种扫描模式,并提供 Anti-DPI 配置和 Xray 配置导出。
Gemini Config Checker:用登录态浏览器实测代理配置,能否真正进入 Google AI Studio 和 Gemini
Gemini Config Checker 是一个用 Go 编写的代理配置检测工具,通过在已登录 Google 账号的浏览器中打开 AI Studio 和 Gemini,判断配置能否真正通过 Google 的地区限制。支持 Simple 和 Advanced 两种扫描模式、反 DPI 预设、链式配置导出,提供 Windows、macOS、Linux 和 Android 构建。
Gemini Config Checker:用已登录浏览器实测代理配置能否进入 Google AI Studio 和 Gemini
Gemini Config Checker 是一款通过已登录 Google 账号的浏览器实测代理配置能否进入 AI Studio 和 Gemini 的工具,支持 Simple/Advanced 两种模式、Anti-DPI 配置和 Xray 链式导出,当前处于 0.1.0 早期预发布阶段。
Gemini Config Checker:用「登录态浏览器」验证代理配置能否真正进入 Gemini 和 AI Studio
Gemini Config Checker 是一个开源工具,通过在已登录 Google 的浏览器中实际打开 AI Studio 和 Gemini,判断代理配置是否真的能绕过地区限制。支持 Simple / Advanced 两种检测模式、Anti-DPI 参数和 Xray 配置导出,当前为 0.1.0 早期版本。
Gemini Config Checker:用已登录浏览器筛选能进入 Google AI Studio 与 Gemini 的代理配置
Gemini Config Checker 是一个早期预发布工具,通过在已登录 Google 账号的浏览器中打开 AI Studio 和 Gemini,筛选真正能进入这两项服务的代理配置,支持 Simple/Advanced 两种模式和 Anti-DPI 配置。
Gemini Config Checker:用登录态浏览器实测代理配置能否进入 Google AI Studio 与 Gemini
Gemini Config Checker 是一个通过已登录 Google 账号的真实浏览器来筛选代理配置的工具,判断配置能否真正进入 Google AI Studio 和 Gemini,支持 Simple 与 Advanced 两种链式测试模式。
STE80 Humanizer:两步改写,让 AI 文本读起来像人写的
STE80 Humanizer 是一个面向 AI Agent 的写作技能,先用 26 条规则清理 AI 写作痕迹,再把句子结构向 ASD-STE100 简化技术英语靠拢到约 80%。本文介绍它的两步方法、三种模式、安装方式、检查脚本和适用边界。
smolmaxxing:在电视盒子、旧iPad和手机上跑起16B到80B大模型
smolmaxxing 是基于 llama.cpp 的端侧推理项目,已在电视盒子、旧 iPad 和 OnePlus 手机上实测运行 2B 到 80B 模型,通过定制内核、内存裁剪、专家按需从闪存读取等技术,让模型大小超出可用内存的设备也能完成推理。
Freebie Radar:835 Star 的福利聚合雷达,57 个源定时采集并用 AI 过滤假福利
Freebie Radar 是一个自托管的福利与多兴趣信息聚合雷达,用 57 个源定时采集、AI 语义审核过滤假福利,并按获取方式分级和多路由推送到 Telegram。项目基于 TypeScript 与 SQLite,支持 Docker Compose 快速启动,GitHub 上已有 835 Star。








