游戏内资源呈现平台

摘要

描述了用于通过呈现平台向视频游戏的玩家呈现情景相关资源的技术。在一种方法实施方案中，操作处理来自视频游戏的玩家的查询，所述查询与完成目标有关。所述方法包括用于处理所述玩家的游戏数据来确定当前状态并处理已经完成所述目标的其他玩家的游戏数据的操作。所述方法还包括用于识别由其他玩家进行的完成所述目标的成功尝试以及这样做时使用的所述资源的操作。所述方法基于由所述其他玩家在所述成功尝试中的那些资源而选择能够由所述玩家用来完成所述目标的资源，并且向所述玩家展现所述资源以供立即使用。

说明书

技术领域

本公开总体上涉及视频游戏，并且更具体地，涉及用于在玩游戏过程期间向需要帮助的玩家呈现情景相关游戏内资源的方法和系统。

背景技术

许多视频游戏具有成百上千个单独的项目供用户在视频游戏内获取、寻找或购买和使用。这些项目中的一些包括工具、装备、外观、载具、消耗品等。在许多流行的平台(诸如

例如，玩家通常必须依靠反复试验、揣摩和研究的组合，诸如通过在决定要获得哪个项目、插件或升级才能达成目标时询问朋友。即使如此，玩家可能仍必须在尝试许多项目、插件和/或升级之后才能得到对他们的特定的目标、角色、游戏风格等最有效的一者。因此，当前，在玩家与在游戏内可提供给他们的资源并更具体地是最适合单独的玩家的情况、角色和游戏风格的那些资源之间存在脱节。当玩家因反复地失败以致无法完成一些目标而感到沮丧时，玩家将有很大可能退出游戏而没有体验到游戏意图提供的全部内容。因此，开发和集成游戏内平台以根据玩家在相关游戏内以及在玩家所参与的多个另外的游戏上的游戏风格和行为使玩家与最有可能帮助他们成功的那些资源匹配是所需且有益的。此外，游戏发行方和虚拟商店平台能够识别出将会补充玩家的玩游戏过程的特定游戏内资源并将其传达给玩家是所需且有益的。

实施方案正是在这种背景下出现。

发明内容

本公开的实施方案涉及用于基于情景数据和来自同类玩家的群体的数据来搜索和识别辅助玩家的游戏内资源的方法和系统。

在一个实施方案中，提供了一种计算机实现的方法。所述方法提供用于处理来自视频游戏的玩家的装置的查询的操作，其中所述查询与通过从在所述视频游戏中的当前状态前进到后续状态来完成目标有关。所述方法提供用于处理所述玩家的游戏数据来确定在所述视频游戏内所述玩家的所述当前状态并处理已经通过从所述当前状态前进到所述后续状态来完成所述目标的其他玩家的游戏数据的操作。所述方法还提供用于从其他玩家的所述游戏数据识别完成所述目标的成功尝试并识别在完成所述目标的所述成功尝试期间由相应的其他玩家利用的一个或多个资源的操作。此外，所述方法提供用于基于在完成所述目标的所述成功尝试期间由相应的其他玩家利用的所述一个或多个资源而选择可由所述玩家用来完成所述目标的资源的操作，以及用于响应于所述玩家对所述资源的选择而经由所述装置向所述玩家展现所述资源以供所述玩家立即使用的操作。

在另一个实施方案中，一种计算机实现的方法包括用于接收访问虚拟商店的请求的操作，所述虚拟商店使得玩家能够在玩多个视频游戏时选择要使用的资源。所述方法还提供在服务器处基于所述玩家的当前状态并基于已经在所述视频游戏中取得更多的进展的其他玩家的游戏数据而确定所述玩家要通过继续玩所述视频游戏达到的目标。所述方法还提供从其他玩家的所述游戏数据识别完成所述目标的成功尝试并识别在完成所述目标的所述成功尝试期间由相应的其他玩家利用的一个或多个资源的操作，其中所述目标涉及从所述当前状态前进到后续状态。此外，所述方法提供从在完成所述目标的所述成功尝试期间由相应的其他玩家利用的所述一个或多个资源选择可由所述玩家用来完成所述目标的资源，以及经由所述虚拟商店的界面向所述玩家展现所述资源。

在又一个实施方案中，提供了一种非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质存储可由基于处理器的系统执行的计算机程序。所述非暂时性计算机可读存储介质包括用于处理来自视频游戏的玩家的装置的查询的程序指令，所述查询与通过从在所述视频游戏中的当前状态前进到后续状态来完成目标有关。所述非暂时性计算机可读存储介质还包括用于处理所述玩家的游戏数据来确定在所述视频游戏内所述玩家的所述当前状态并处理已经通过从所述当前状态前进到所述后续状态来完成所述目标的其他玩家的游戏数据的程序指令。所述非暂时性计算机可读存储介质另外地提供用于从其他玩家的所述游戏数据识别完成所述目标的成功尝试并识别在完成所述目标的所述成功尝试期间由相应的其他玩家利用的一个或多个资源的程序指令。此外，所述非暂时性计算机可读存储介质提供用于基于在所述成功尝试期间由所述相应的其他玩家利用的所述一个或多个资源而选择可由所述玩家用来完成所述目标的资源的程序指令，以及用于响应于所述玩家对所述资源的选择而经由所述装置向所述玩家展现所述资源以供所述玩家立即使用的程序指令。

从以下结合附图进行的详细描述中，本公开的其他方面将变得显而易见，附图以示例的方式示出了本公开的原理。

附图说明

通过结合附图参考以下描述，可最好地理解本公开，在附图中：

图1A至图1C示出了根据各种实施方案的如何识别资源并向或不向用户递送资源的概念图。

图2是根据一个实施方案的用于响应于来自用户的查询而呈现情景相关资源的系统的概念图。

图3示出了根据一个实施方案的用于解释由用户进行的查询并生成对该查询的响应的在服务器处的某些部件的示意图。

图4示出了根据一个实施方案的如何在服务器处生成游戏模型以供呈现平台使用的概念图。

图5示出了根据一个实施方案的呈现平台可如何探测游戏模型以识别资源的概念图。

图6示出了根据一个实施方案的用于生成游戏模型的分类器的概念图。

图7示出了根据一个实施方案的用于处理来自用户的查询并用于对该查询作出响应的方法的总体流程。

图8示出了根据另一个实施方案的呈现平台如何能够识别各种资源并对其进行排名来向用户展现的概念图。

图9示出了根据一个实施方案的呈现平台可如何响应于查询而向用户展现资源的图示。

图10A示出了用于通过呈现平台向用户展现资源的另一个实施方案。

图10B示出了呈现平台如何使得能够立即使用向用户展现的资源的实施方案。

图11示出了根据一个实施方案的具有呈现平台的虚拟商店的前端视图。

图12示出了根据一个实施方案的用于使得呈现平台能够在虚拟商店级别上操作的在服务器处的选定部件。

图13示出了根据一个实施方案的可用于执行本公开的各种实施方案的各方面(诸如玩、创建和观看挑战游戏)的示例装置的部件。

具体实施方式

本公开的实施方案涉及用于基于情景数据和来自同类玩家的群体的数据来搜索和识别辅助玩家的游戏内资源的方法和系统。然而，对于本领域的技术人员来说，显而易见的是，可在没有这些具体细节中的一些或全部的情况下实践本公开。在其他实例中，没有详细描述众所周知的处理操作，以避免不必要地模糊本公开。

图1A至图1C示出了根据各种实施方案的如何识别资源并向或不向用户递送资源的概念图。图1A示出了在现实世界环境100内具有与资源102有关的需求110的用户108。需求110可为对问题的答案、地址、名称、应用程序、视频、图像、文本正文、产品、服务或某种其他数据。当用户108具有这种需求110时，他们知道需求110包括什么和如何将其传达到例如在线搜索平台104，诸如Google、Bing、Duckduckgo、Yahoo！、Amazon.com、应用商店或搜索数据库的某种其他程序。当需求110传达到在线搜索平台104时，它是呈查询的形式。在线搜索平台104使用在查询内的关键字或字符来返回与查询相匹配并典型地按相关性排名排列的搜索结果列表。因此，在线搜索平台104能够递送资源102'以使其为用户108所拥有并满足需求110。

通常，需求110将涉及商业机会，诸如要销售的产品或服务，或将造成销售的某种信息。因此，激励企业通过支付费用来向在线搜索平台104投放广告，以使他们的结果出现在搜索结果列表内的显眼位置处。以此方式，用户108、在线搜索平台104和资源102的提供方这三方全部都受益于交易。用户108将以在用户108产生需求110的时刻或接近该时刻时满足需求110的方式拥有资源102'(例如，产品、服务、应用程序、歌曲、电影、剪辑或某种其他数据片段，或者物质商品)。资源102的提供方受益于与用户108的连接和交易，例如，通过进行销售，或者通过增加品牌知名度，或者通过创建接触点以将用户108引入到未来交易中。同时，在线搜索平台104受益于从资源102提供方和用户108对在线搜索平台104的继续使用获得的收益。

图1B示出了根据一个实施方案的在没有呈现平台的游戏环境114的虚拟设置112内的用户108之间的关系结构的类似视图。用户108经由角色118与游戏环境114交互。当与游戏环境114交互时，用户108可能会遇到他们无法解决的问题。例如，用户108可能会遇到他们无法用他们当前的技术水平、物品栏或知识完成的目标。目标可包括击败敌人(诸如首领怪)、完成某一关卡、完成寻宝游戏、完成智力游戏、击败竞争对手、创造某一纪录等。因此，用户108产生对与完成目标有关的某种资源的需求120。

通常，可存在游戏环境114的可帮助用户108完成角色118的目标的游戏内资源116。游戏内资源116可为可下载内容(DLC)、插件、升级、项目、技巧、策略、公共数据等。然而，用户108不一定知晓存在这种资源。由此，用户108同样地没有意识到特定游戏内资源116是例如在成百上千个资源中的在给定用户108的游戏状态、物品栏、技术水平、游戏历史和玩法风格的情况下最有可能帮助用户108完成目标的一个资源。在许多情况下，角色118和游戏环境114是被动实体，它们也没有数据或逻辑来确定成百上千个资源中的哪一个对用户108最有效。在没有呈现平台的虚拟设置112下，用户108没有可辨别方式将他们的需求120传达到游戏环境114。同样地，游戏环境114无法呈现或识别对用户108完成目标最有效的游戏内资源116。因此，游戏内资源116未被递送到角色118，并且对资源的需求120未得到满足。

图1C是根据一个实施方案的在用户108与具有呈现平台106的游戏环境122的虚拟设置120之间的关系结构的概念图示。类似于图1B中示出的那样，用户108可能会产生与完成某种目标有关的需求120。然而，与图1B中示出的结构不同，图1C中的用户108能够以查询101的形式将需求120传达到呈现平台106。类似于图1A的在线搜索平台104，构想呈现平台106通过使用关键字和字符以使用自然语言处理来解释查询101。然而，除了处理查询101的语言来解释需求120之外，还设想呈现平台106包括逻辑以对用户108的意图进行近似，因为所述意图与需求120有关。

设想呈现平台106访问用户118的游戏状态数据和保存的数据以及其他用户的公共数据，以在给定例如角色118的当前游戏状态、在当前游戏状态之前的游戏状态、角色118的物品栏、用户108的玩法风格和技术水平的情况下更好地对用户108的意图进行近似。因此，例如，呈现平台106能够在用户108的当前游戏状态的情景内以及在作为具有特定于用户108的倾向、习惯和偏好的玩家的用户108的元情景内解释查询101。

此外，设想呈现平台106使用游戏状态数据、保存的数据和公共数据来搜索游戏内资源116，这将会是对用户108达成目标最有效的。例如，呈现平台106可在类似于用户108的玩家群体的游戏数据中搜索由多个玩家在达成当前目标时使用的那些资源并按有效性对这些资源进行排名。因此，呈现平台106可将游戏内资源116识别为最有可能使得用户108能够完成目标的资源并将其展现给用户108。如果用户108选择游戏内资源116，则游戏环境112可将其递送给角色118以使其立即拥有并进行使用。以此方式，用户108受益于接收游戏内资源116'以完成目标，并且游戏开发者或发行方受益于以有意义方式向用户108传送资源。

图2是根据一个实施方案的用于响应于来自玩家200的查询206而执行呈现平台106来呈现情景相关资源201的服务器系统203的概念图。根据此实施方案，玩家200正在经由本地游戏系统202(诸如

在此实施方案中，玩家200能够向游戏系统202口头地提交表述：“你好PlayStation，我如何击败首领怪？”的查询206。查询206由游戏环境中的一个或多个声音捕获装置捕获，诸如由手持式控制器、头戴式耳机、游戏系统202或显示器204捕获。查询206经由网络205传达到服务器系统203。尽管图2的实施方案示出了在玩家200本地的游戏系统202，但也设想服务器系统203也可远程地执行游戏并经由网络205传达游戏的音频和视频分量。

根据图2的实施方案，查询206被传达到服务器系统203的呈现平台106，所述呈现平台使得能够基于查询206、游戏数据220、玩家数据218和群体数据226而搜索情景相关资源。服务器系统203的呈现平台106被示出为包括语言处理器208，以用于将查询206从自然语言语音分割、解析和解释为可由呈现平台106使用的格式以对玩家200的意图进行近似并执行搜索。在一些实施方案中，设想语言处理器包括语音辨识能力、自然语言解析、语法逻辑、语义逻辑、关键字识别，以及用于使得能够检测和解释查询206的其他部件。

语言处理器208被示出为与意向性模块210通信，所述意向性模块结合从查询数据库216、玩家数据218、游戏数据220、群体数据226和机器学习模块222获得的数据使用语言处理器208的输出来对玩家200的意图进行近似。在许多情况下，查询206将与在游戏中采取某种行动或达成某种结果的意图(例如，通过从当前状态前进到后续状态来完成目标)有关。因此，呈现平台106能够执行超出普通的搜索引擎的功能的功能。

例如，普通的搜索引擎典型地执行关键字匹配和相关性排名，但不一定用来确定查询者的意图。在普通的搜索引擎中查询“我如何升级？”将返回与查询者提交查询的原因的情景没关系的结果。这种查询的结果例如包括与在现实生活中的自我提升和“水平提升”有关的博客帖子、名称为“LevelUp”的移动订购应用程序、“升级”的字典定义和名称为“LevelUP”的YouTube频道。

在合约中，设想呈现平台106不仅使用查询206的语言而且使用来自玩家数据218、游戏数据220、群体数据226的情景数据以及来自机器学习模块222的情景数据来确定玩家200的意图。因此，呈现平台106能够在以下情景中解释“我如何升级”的查询：(1)玩家200正在使用游戏数据220的当前状态的情景；(2)使用玩家数据218的玩家偏好、倾向、游戏历史、玩法风格和技术水平的情景；(3)由经历过与玩家200类似的位置的玩家群体使用群体数据226所玩的游戏和游戏片段的情景；(4)由在与玩家200相同或类似的位置的玩家使用查询数据库216提交的多个查询的情景；(5)使用机器学习模块222学习玩家致力于的领域(例如，斗争领域)的启发式模型的情景。因此，使用意向性模块210可用的情景数据，呈现平台106可例如确定玩家200的意图是在不使用特殊技能(例如，基于玩家数据218)的情况下击败首领怪X(例如，基于查询数据库216和游戏数据220)，并且同时为下一关卡保留其生命值的至少一半(例如，基于游戏数据220、群体数据226和机器学习模块222)，而且同时还在与首领怪X战斗期间升级(例如，基于群体数据226和机器学习模块222)。

根据图2的实施方案，呈现平台106包括搜索逻辑212、资源数据库224和响应生成器214。搜索逻辑212与意向性模块210通信来对资源数据库224执行关于由意向性模块210近似出的意图相匹配的资源的搜索。类似于意向性模块210，设想搜索逻辑212在其搜索算法中使用来自玩家数据218、游戏数据222、群体数据226和机器学习模块222的情景数据来识别用于使得玩家200能够完成“在不使用特殊技能的情况下击败首领怪X，并且同时为下一关卡保留其生命值的至少一半，而且同时还在与首领怪X战斗期间升级”的意图的一个或多个资源。例如，搜索逻辑212可使用玩家数据218来识别或过滤玩家200更偏好使用的或过去已经用其获得成功的资源的类型，可使用游戏数据220来访问玩家200的物品栏列表，可使用群体数据226来确定在击败首领怪X时哪些资源是有效的而哪些资源是无效的。另外，机器学习模块222可基于来自其他玩家的数据以及玩家200使用各种资源来与首领怪X战斗的各种模拟来提供对资源有效性的统计分析。因此，搜索逻辑212可从资源数据库224识别资源X201。响应生成器214传达表明“百分之八十的像您这样的玩家使用资源X击败了首领怪”的响应226，所述响应可以被说与玩家228。另外地，响应生成器214可生成图形，所述图形通知玩家200例如通过点击显示的图形或向游戏系统202发出语音来购买资源X 201的选项。

图3示出了根据一个实施方案的用于解释由用户做出的查询并生成对该查询的响应的示例性呈现平台的某些部件的示意图。用户查询接口300捕获来自用户的查询，并且能够将查询与不包含查询的背景噪声和语音区分开。用户查询接口300将查询的音频信号传达到语音辨识模块302，所述语音辨识模块将查询的音频信号转换为文本。查询的文本被传达到自然语言解析器(NLP)304，所述NLP提供该查询的文本的句法和语义分析，包括字词分割、构词分析、字典查找、语法分析和语言规则应用，以及其他过程。关键字标识符306进一步分析在查询中可用于对查询进行进一步分类、索引、聚类或过滤的术语。

根据图3，意向性模块210接收由语言处理器处理的查询并对在查询背后的意图进行近似。在一些实施方案中，意向性模块210将查询与查询数据库进行比较，所述查询数据库诸如常见地提交的查询308和频繁地询问的问题310。如果在查询与查询数据库216中的一个或多个之间存在匹配，则意向性模块210可使用对应的意图作为对与查询相关联的意图进行近似的数据点。

如上文所指出，意向性模块210访问游戏数据220以确定有可能归因于在用户所在的游戏内处于相同或类似的状态的玩家的一组可能的意图。游戏数据220被示出为包括保存的数据312和游戏状态数据314。保存的数据312包括关于用户在游戏中的进展的信息，并且一般是时间无关的。保存的数据312例如可包括物品栏列表、技能列表、等级值、角色值、关卡值。游戏状态数据312包括描述与游戏环境有关的用户和其他对象的信息。游戏状态数据312可为时间相关的，并且包括作为随时间而变的状态的时程。游戏状态数据312可包括例如描述在各种时间点上的用户游戏玩法的状态，其可指示用户尝试达成某个目标的次数、用户离达成该目标有多近、用户用来达成目标的策略等。保存的数据312和游戏状态数据314一起向意向性模块210提供情景来对与查询关联的意图进行近似。例如，保存的数据312可指示用户拥有A、B和C资源(例如，特质、等级、物品、武器、技能、盟友)，并且游戏状态数据314指示用户为达成目标O2而进行的尝试已经连续地失败了五次，意向性模块210可使用前述情景来近似出用户的意图是获取某种资源或特质以达成目标O2。另外地，意向性模块210可访问将例如用户在游戏内的位置映射到特定目标的游戏文件。尽管未示出，但意向性模块210还可访问玩家数据和群体数据来拉取另外的情景数据以近似出意图是达成目标O2。

如上文所指出，搜索逻辑212用于基于从查询数据库216、游戏数据220、机器学习模块222、玩家数据(未示出)和群体数据(未示出)分析的情景数据而识别一个或多个资源。搜索逻辑210使用由意向性模块210近似出的意图作为用于识别一个或多个资源的约束或最终结果。例如，如果意向性模块210确定达成目标O2是在查询背后的意图，则搜索逻辑212的任务是在给定游戏数据220、玩家数据和群体数据的情况下识别最有可能帮助用户达成目标O2的那些资源。在一些实施方案中，搜索逻辑212可检查保存的数据312以确定用户当前可用的资源，例如，资源A、B和C。因此，搜索逻辑212将过滤掉除A、B和C之外的资源。另外，搜索逻辑212可检查游戏状态数据314以确定用户先前为达成目标O2而进行的尝试的具体情况。例如，游戏状态数据314可指示用户未能成功地尝试达成目标O2但在第一次尝试时成功地达成先前目标O1。在一些实施方案中，搜索逻辑212使用游戏模型316来分析在目标O2与目标O1之间的差异，以获得关于导致用户与目标O2而不是目标O1斗争的具体情况的情景数据。例如，如果从游戏模型316发现，类似于具有远程武器的用户的其他玩家在达成目标O1上更成功但在达成目标O2上不太成功，则搜索逻辑可因此将对资源X的搜索缩小到非远程武器。

设想，在一些实施方案中，游戏模型316是由玩家群体所玩的视频游戏的统计模型，具有多个玩家的保存的数据和游戏状态数据作为输入。游戏模型316由机器学习模块222基于单独的玩家的保存的数据和游戏状态数据而构建，并且随着玩家在游戏中的进展而更新。机器学习模块222可使用启发式模型来跟踪多个玩家的进展，并且根据各种参数来学习玩家如何成功地和未成功地达成在游戏内的各种目标。还设想游戏模型316使用预测分析来从现有游戏数据提取信息，以确定用于预测其他玩家的可能的未来结果的模式。例如，游戏模型316可包括与在与用户类似的情况下的多个其他玩家如何完成目标O2有关的统计数据。因此，假设用户在第一次尝试时达成了目标O1，并且给定例如玩家数据，搜索逻辑212可从游戏模型316探测用户使用资源D、E和F等成功地达成目标O2的可能性。因此，游戏模型316可返回用户成功地达成目标O2的概率在用资源D的情况下是20％，在用资源E的情况下是80％，并且在用资源F的情况下是5％。搜索逻辑212可继而从资源数据库224识别资源E以经由用户查询接口300向用户展现。

在其他实施方案中，机器学习模块222可使用人工智能(AI)运行模仿用户使用资源D、E和F的游戏玩法的多个模拟。例如，机器学习模块222可执行针对在AI玩家分别被提供资源D、E和F的情况下对涵盖目标O2的游戏片段的成百上千次模拟。此类模拟可并行地并以加速速率运行，以减少将结果返回到搜索逻辑212所花费的时间。例如，机器学习模块可能会执行1000个游戏模拟，这本来将会花费超过一分钟，而使用现代计算技术则在一秒或更少的时间内就能实时地完成。前述模拟可在短时间帧内执行，因为不需要渲染用于模拟的图形和音频分量。然后，搜索逻辑212可识别资源D、E或F中带来最大次数的成功模拟的资源以展现给用户。

如果用户选择了例如资源E，则构想用户将立即进行访问来使用资源E。因此，在用户提交查询的时刻与用户能够使用查询的结果(例如，资源E)的时刻之间几乎无延迟。当用户使用资源E来尝试目标O2时，跟踪用户游戏玩法318并将其输入到机器学习模块222中以更新游戏模型316。

图4示出了根据一个实施方案的如何在服务器处生成游戏模型以供呈现平台使用的概念图。群体数据226包括从玩家1至n的关于游戏1至m的游戏数据，但并非玩家1至n全部都必须玩过游戏1至m中的每一个。示出玩家1玩过游戏1至游戏m。游戏1至m中的每一个可表示单独的游戏标题。在玩家1玩游戏1至m时，他们的游戏玩法以游戏状态数据(GSD)和保存的数据(SD)的形式被跟踪。玩家2至n也是如此。玩家1至n的游戏数据被输入到机器学习模块222中以生成游戏1至m的游戏模型。如上文所指出，游戏模型描述了一群玩家如何通过他们在游戏中的动作和后续结果来与给定游戏进行交互。例如，游戏1游戏模型可包括与各种玩家在游戏1内在特定的位置和时间的行为和带来的结果有关的数据。可将预测分析应用于所述数据以确定与玩家的行为和带来的结果有关的模式，以预测未来玩家在游戏1内在特定的位置和时间达到的结果。

图5示出了根据一个实施方案的呈现平台如何可探测游戏模型316以识别资源的概念图。当呈现平台接收到查询时，它通过访问用户的游戏状态数据和保存的数据来获得与用户当前所处状态有关的情景数据。使用用户的游戏状态数据和保存的数据，呈现平台能够识别用户的当前状态并在游戏模型316中定位对应的状态。这里，假设用户的当前状态对应于状态S1。呈现平台还经由例如意向性模块对用户的意图进行近似。意图被示出为近似成对应于从状态S1转变到状态S5的目标。状态S1可表示在游戏内在击败首领怪X之前的状态，而状态S5可表示已经击败了首领怪X的状态。在状态S1和状态S5的节点之间的边缘表示用户在不获得某种另外的资源的情况下能够达成目标的概率。这里，该概率为3％。可基于处于状态S1且具有类似的技术水平、玩法风格、物品栏、经验等的多个其他用户而从游戏模型确定概率为3％。也可通过仿照用户尝试在没有某种另外的资源的情况下从状态S1到达状态S5而建模的AI玩家的模拟来确定概率。

图5还示出了状态S2、S3和S4，它们分别表示用户获得资源D、E和F的游戏状态。用户从状态S2、S3和S4到达状态S5的概率分别被示出为20％、80％和5％。同样，可基于其他用户在分别使用资源D、E和F的情况下尝试到达状态S5时的表现来从游戏模型确定前述概率，或者可基于AI模拟来确定前述概率。因此，游戏模型使得呈现平台能够基于一个或多个资源在使得用户能够达成目标方面的可能性或有效性来识别所述资源。

图6示出了根据一个实施方案的由机器学习模块使用来为用户进行按有效性对各种资源的排名的分类器600的简化概念图。在所示的实施方案中，分类器600对源自多个玩家的游戏数据602的离散片段进行操作。针对R1至Rn的游戏数据602中的每一个分别表示用资源R1至Rn玩的游戏状态数据。游戏玩法度量604是测量游戏数据602中的每一个的某些游戏玩法特性的度量。游戏玩法度量604可包括易用性、使用持续时间、承受的损害、尝试次数等的测量结果。用户数据606是特定于玩家的另外的度量。例如，U1至Uk可能会捕获用户偏好、倾向、技术水平、玩法风格、每分钟平均动作数(APM)等。来自游戏玩法度量604的度量和用户数据606中的每一个都由权重向量610加权。权重向量610中示出的权重为任意单位。然而，从权重向量610可辨别出，度量M1、M3和U3是有效性的相对更重要的指标，并且被加权到比度量M2、Mj、U2和Uk更大的程度。针对资源R1至Rn的游戏数据602中的每一个针对M1至Mj的游戏玩法度量604和用户数据606U1至Uk进行处理。因此，游戏数据602中的每一个被给予针对度量M1至Mj和U1至Uk的得分。尽管图6中示出的得分是二进制的(例如，度量M1是满足或不满足的条件)，但得分也可为非二进制的。

一旦分类器600在游戏玩法度量604和用户数据606上对游戏数据602中的每一个进行评分，有效性逻辑608就能够在有效性方面对资源R1至Rn中的每一个进行排名。通过考虑用户数据606因素，排名是针对用户个性化的。有效性逻辑608被示出为选择资源R3，因为在给定游戏玩法度量604和用户数据606的情况下，使用了资源R3的对应的游戏片段的得分最高。因此，分类器600能够针对各种资源对特定玩家的相对有效性来对这些资源进行分类和排名。分类器600可由呈现平台使用来为玩家识别更有效的资源。分类器600也可用于构造游戏模型。

图7示出了根据一个实施方案的用于进行呈现平台操作的方法的总体流程。在操作700中，该方法提供处理来自视频游戏的玩家的装置的查询，其中该查询与完成视频游戏内的某种目标有关。查询可为语音或文本输入的形式。例如，处理查询可以关于图2描述的方式进行。一般来说，有意图激发与完成视频游戏内的某种目标有关的每个查询。如本文所使用，目标应被广义地解释为在视频游戏内采取的任何动作。例如，查询可能会与相对基本的目标有关，诸如执行基本动作(例如，“我如何跳跃？”)、获取某种特质(例如，“如何改变我的角色的外观？”)、获得关于玩家的状态的某种数据(例如，“哪条路是往北的？”)、获得有关玩家的游戏玩法的某种数据(例如，“我的射击准确性是多少？”)等。查询也可与达成更复杂的目标有关，诸如击败敌人、创造个人记录、改善游戏玩法的某个方面、在特定条件下完成某一任务等。

在操作702中，基于玩家的游戏数据而确定在视频游戏内玩家的当前状态。玩家的当前状态提供用于解释查询并将其消除歧义的情景数据，以及用于响应于查询而识别一个或多个资源的后续过程的情景数据。例如，如果确定玩家的当前状态恰好是在与首领怪X战斗之前，并且查询的是“我如何击败首领怪？”，则方法因此能够将查询的“首领怪”缩小为首领怪X。

图7的方法进行到操作704，所述操作用于将玩家的当前状态与来自先前经历过该玩家的当前状态的多个其他玩家的游戏数据中的对应的游戏状态对准。操作704还识别多个其他玩家曾尝试到达的后续状态。来自多个其他玩家的游戏数据可来自群体数据或来自游戏模型，并且大体遵循时间线。将玩家的当前状态与来自多个其他玩家的游戏数据中的对应的游戏状态对准涉及在多个其他玩家的游戏数据中搜索或扫描该玩家的当前状态。在一些实施方案中，操作704还可识别其他玩家完成目标的成功尝试。

在一些实施方案中，可针对各种游戏状态对来自多个其他玩家的游戏数据进行索引来更快地进行搜索。例如，来自多个其他玩家的游戏数据可包括对恰好在每个首领怪之前、在每个首领怪期间和恰好在每个首领怪之后的状态的索引。因此，如果玩家具有恰好在与首领怪X交战之前的当前状态，则操作704可在多个其他玩家的游戏数据中搜索多个其他玩家中的每一个曾恰好在与首领怪X交战之前的那些游戏状态。一旦识别多个其他玩家的游戏数据中的对应的游戏状态或对其进行索引，就可达成对准。

此外，操作704用于识别多个其他玩家曾到达的后续状态。因此，操作704将会将对应于恰好在击败首领怪X之后的状态识别为后续状态。这将会是另一个玩家进行的成功尝试的示例。在一些实施方案中，可能会存在多于一种后续状态。例如，视频游戏可允许玩家替代地完成任务T而跳过首领怪X并继续进行下一挑战。因此，设想操作704是从多个其他玩家的游戏数据识别多于一种后续状态。这里，后续状态可包括：击败首领怪X、完成任务T和在完成任务T后跳过首领怪X，其中例如，多个其他玩家中有一半具有击败首领怪X的后续状态，而另一半则具有跳过首领怪X的状态。

在操作706中，该方法提供基于查询和来自多个其他玩家的游戏数据的后续状态而对玩家的目标进行近似。当对在查询背后的目标进行近似时，使用玩家的当前状态和来自游戏数据的后续状态来提供情景。这里，当前状态(例如，恰好在与首领怪X交战之前)和后续状态(例如，击败首领怪X或通过完成任务T而跳过首领怪X)将查询置于情景中，使得目标可缩小至前进通过首领怪X，例如，通过击败首领怪X或通过完成任务T以跳过首领怪X来进行。操作706对目标进行近似，从而确定一组可能的目标中的哪一个与查询最密切地匹配。由于查询是关于击败首领怪X的，因此操作706可将目标近似为击败首领怪X，而不是通过完成任务T来跳过首领怪X。

当通过操作706对目标进行近似时，操作708用于使用来自多个其他用户的游戏数据来识别由视频游戏支持的提高玩家完成目标的可能性的资源。例如，可从成功击败首领怪X的多个其他用户的游戏数据分析使用的资源和那些资源的有效性。例如，如果多个其他用户的游戏数据指示那些玩家使用了资源D、E或F中的一个来击败首领怪X，则操作708还可检查资源D、E和F中的每个一个的有效性。例如，如果发现资源E与资源D和F相比使得他们的用户能够用更少的时间、用更少的尝试或在承受更少的伤害的情况下击败首领怪X，则操作708可将资源E识别为最有可能使得玩家能够完成目标的资源。可使用许多其他度量来测量资源有效性或对其进行排名，所述资源有效性包括易用性、资源成本、使用资源所需的技术水平等。一旦识别出资源，在操作710中就经由界面向玩家展现资源以供玩家选择。在操作712中，将资源提供给玩家以供在视频游戏中立即使用。以此方式，图7的方法使得能够立即且有效地解决玩家的查询。

图8示出了根据另一个实施方案的呈现平台如何能够识别各种资源并对其进行排名来向用户展现的概念图。玩家游戏状态数据800以具有当前状态802的时间线格式表示。玩家的击败首领怪X的目标包括从当前状态802转变到后续状态804。玩家的保存的数据806被示出为表示为时间无关数据块。

呈现平台801被示出为访问群体游戏状态数据808和群体保存的数据812，这两种数据都源自多个其他玩家。游戏状态数据时间线中的每一个被示出为参考玩家游戏状态数据800的当前状态802进行对准。例如，如果当前状态802恰好在与首领怪X交战之前，则识别在群体游戏状态数据808内的每个相应的游戏状态数据时间线的恰好在与首领怪X交战之前的对应状态。呈现平台801还可使用群体保存的数据812来过滤群体游戏状态数据808，以找到群体游戏状态数据808中与玩家游戏状态数据800和保存的数据806更密切地匹配的选定群体游戏状态数据。

根据图8，呈现平台801被示出为在群体游戏状态数据808的窗口810中扫描单独的游戏状态数据的被当前状态802和后续状态804包夹的片段。以此方式，呈现平台识别完成“击败首领怪X”的目标的成功尝试。因此，呈现平台801能够获得与多个玩家如何从当前状态802前进到后续状态804有关的信息，包括这样做利用的资源。例如，构想呈现平台识别其他玩家在进行那些成功尝试时使用的一个或多个资源，以及该资源对成功尝试的贡献程度。

另外，分类器816被示出产生各种资源D至N的列表814，所述列表按所述资源的有效性来排名。每个资源的有效性是基于度量1至m，并且包括例如第一次尝试的成功率、完成目标所需的尝试次数、完成时间等。因此，呈现平台801能够从列表814选择已经比其他资源更有效地完成目标并应同样地对这样做的玩家更有效的资源。这里，将选择资源E，因为平均来说，其第一次尝试的成功率较高、完成目标的总尝试次数较少并且平均完成时间较短。

图9示出了根据一个实施方案的呈现平台可如何响应于查询而向用户展现资源的图示。例如，图9示出了处于恰好在与敌人(即首领怪X)交战之前的状态的玩家正在玩的视频游戏。当玩家向呈现平台查询如何击败首领怪X时，呈现平台可在窗口中展现结果，如图所示。窗口以向玩家告知玩家群体使用展现的资源的表现的方式来展现资源。在一些实施方案中，当展现窗口时，视频游戏暂停或中止。在其他实施方案中，视频游戏可在展现窗口的同时继续。在其他实施方案中，视频游戏可处于“软暂停”状态，其中视频游戏的图形保持动态，但游戏中的主要活动(诸如将会更改当前游戏状态的那些主要活动)并没有发生。

在一些实施方案中，窗口可提供关于在使用展现的资源时玩家群体记录的成功率和平均完成时间的统计数据。因此，向玩家提供与由同伴群体所玩的资源的实际有效性有关的公共数据。玩家可做出更明智的决策来决定是否选择资源，并且可坚信他们的选择。在一些实施方案中，对各种资源的选择可能会要求支付形式，例如通过使用虚拟货币或真实货币。在一些实施方案中，对各种资源的选择可为被称为“微交易”的形式，其处理相对小额的真实货币。在其他实施方案中，对各种资源的选择可能不要求货币(无论虚拟还是真实)支付，但游戏系统可能会限制玩家可选择的资源数量。还设想对任何资源的选择将带来对该资源的立即访问和使用，以最小化在提交查询的时间与提供解决方案的时间之间的延迟。尽管图9的实施方案中示出了窗口，但可使用其他形式来传达包含在窗口中的信息，诸如通过使用辅助显示器，或者通过音频通信，或者通过转变为窗口的全屏显示。

图10A示出了用于通过呈现平台向用户展现资源的另一个实施方案。这里，玩家可能已经向呈现平台提交了与击败首领怪X有关的类似的查询。作为响应，呈现平台可展现具有与资源E的有效性有关的统计信息的窗口。在图9中，窗口展现表示一群玩家使用资源E的表现的公共数据。在图10A中，窗口可示出表示玩家在用资源E的情况下可能的表现的预测数据。在一些实施方案中，当展现窗口时，视频游戏暂停或中止。在其他实施方案中，视频游戏可在展现窗口的同时继续。在其他实施方案中，视频游戏可处于“软暂停”状态，其中视频游戏的图形保持动态，但游戏中的主要活动(诸如将会更改当前游戏状态的那些主要活动)并没有发生。

根据一些实施方案，预测数据可基于对使用资源E的玩家的模拟，所述模拟使用仿照玩家而建模的AI玩家，或者通过考虑在玩家的技术水平、玩法风格和其他特质与已经使用了资源E的普通玩家的情况之间的差异因素来进行。这里，成功概率被示出为高于图9中示出的公共数据(例如，90％，而不是80％)。这可能是由于呈现平台访问指示使用资源E的预测成功值是90％的模拟数据而造成的，所述预测值碰巧高于使用同一资源的一群其他玩家的平均值。在其他实施方案中，呈现平台可使用公共数据并基于玩家的属性而调整预测成功值。例如，如果玩家比该群中普通玩家有更多的经验或更善于使用如资源E这种类型的资源，则呈现平台将基线值80％调高了10％，以计及那些差异。因此，玩家被给予具有与使用各种资源相关联的预测能力的定量和个性化成功数据。

除了显示使用资源E的预测成功值外，图10A的窗口还显示了资源E将在游戏中使用时的图形或剪辑。例如，资源E(其为盾牌)在挡开攻击的动作中示出。因此，资源E的剪辑向用户告知资源在动作中的外观、起效果的方式以及它如何改变用户在视频游戏内的事务状态。以此方式，除了资源的有效性的定量数据外，还向玩家提供资源的定性和经验数据，这两者都使得玩家能够做出更明智的选择。

图10B示出了呈现平台如何使得能够立即使用向用户展现的资源的实施方案。在图9和图10中，呈现平台经由窗口向用户展现了盾牌。作为响应，用户可通过使用控制器来点击窗口、通过说出命令来选择资源或通过使用注视命令来指示选择而指示对呈现的资源的选择。一旦存在来自用户的对选择的某种指示，则窗口的显示可终止。资源整合到视频游戏中以供立即使用，使得玩家能拥有并控制该资源。在一些实施方案中，通过更新游戏状态数据和保存的数据以反映资源的存在来将资源整合到视频游戏中。因此，当在选择资源之后执行视频游戏时，该资源被渲染到视频游戏中。例如，在图10B中，盾牌1000被示出为在预期即将到来的战斗中由玩家的角色拿持。

在一些实施方案中，在玩家或其账户与呈现平台或视频游戏之间存在交易，所述交易使得玩家能够立即使用资源。在一些实施方案中，交易可包括由用户进行的支付、向用户的账户的后台收费、对用户具有的某些信用卡的收费等。

在一些实施方案中，基于根据玩家属性的用于资源的渲染配置文件来渲染资源。例如，取决于玩家正在使用的角色并且取决于玩家的属性，每个资源可具有多种方式来渲染以用于视频游戏。在一个示例中，体型较大的角色被给予了较大版本的盾牌，而体型较小的角色被给予了小型版本的盾牌。以此方式，渲染资源以使其与角色的特性相匹配。此外，每个资源可具有因使用方式和使用难度而不同的版本。例如，当为资源选择渲染配置文件时，考虑玩家属性，包括玩家的技术水平、玩家的玩法风格和玩家的偏好。当玩家较熟练时，可向他们提供资源的更复杂且难以使用的版本，而初级玩家可被提供资源的更用户友好的版本。

除了游戏内辅助之外，还构想呈现平台在虚拟商店的情景中也很有用。诸如

在游戏1中，例如，呈现平台可确定当前状态是在与首领怪X交战之前。然后，呈现平台可访问游戏1的游戏模型或玩游戏1的其他玩家的群体数据，以识别玩家可能想前进到的后续状态。这里，后续状态是已经击败了首领怪X，并且呈现平台能够识别用于击败首领怪X的资源。因此，呈现平台将资源胸甲和护盾显示到推荐资源，以供玩家选择或购买来进行游戏1的后续游戏玩法。呈现平台对游戏2、游戏3和玩家涉及的其他游戏也会做相同的操作。此外，呈现平台能够基于群体数据或模拟数据而提供有关每个资源的益处的定量数据。图11中示出的推荐资源可自动地填充，或者可响应于来自用户的查询而填充。

图12示出了根据一个实施方案的用于托管用呈现平台实现的虚拟商店的服务器系统1200和选定部件。服务器系统被示出为包括呈现平台1202，所述呈现平台用于在给定玩家在各种游戏中的当前状态、来自多个其他玩家的群体数据和诸如技术水平、玩法风格、偏好等的玩家数据的情况下为玩家找到情景相关资源。玩家游戏数据1204涵盖玩家已经参与过的游戏标题中的每一个的游戏状态数据和保存的数据。设想玩家数据1206描述作为玩家而言关于每个游戏和关于总体游戏的玩家特质。例如，玩家数据1202可指示玩家倾向于在游戏1至10的每一个中偏好远程武器。因此，呈现平台可呈现与游戏1至10的远程武器的类别相同的资源，并且将那些资源传达到商店界面1218。然而，另外，由于呈现平台能访问来自众多游戏的玩家数据1206，因此即使玩家在游戏11中没有表现出使用远程武器的倾向，呈现平台也可呈现游戏11的远程武器。因此，呈现平台1202能够基于作为游戏的玩家而不只是作为某种特定游戏的玩家的玩家的全局数据而向商店界面1218做出推荐。

图12中还示出了群体数据1208、机器学习模块1210、资源数据库1212和游戏模型1214。这些部件关于游戏内呈现进行了详细描述，但它们在使用呈现平台1202生成推荐资源的虚拟商店的情景中以类似方式起作用。图12中还示出了AI模拟模块1216，所述AI模拟模块可用于测试或模拟玩家使用各种资源的表现。由此获得的数据可供呈现平台1202访问，用以在向商店界面1218做出推荐的过程中评估各种资源的有效性。

图13示出了可用于执行本公开的各种实施方案的各方面的示例装置1300的部件。例如，图13示出了根据一个实施方案的适合于实现提供支持用户的服务的装置的示例性硬件系统，所述服务诸如用于响应于查询而呈现情景相关游戏内资源以供玩家使用或用于根据情景呈现商店内资源以供玩家使用。该框图示出了适合于实践本公开的实施方案的装置1300，所述装置可结合有或可为个人计算机、视频游戏控制台、个人数字助理、服务器或其他数字装置。装置1300包括用于运行软件应用程序以及任选地操作系统的中央处理单元(CPU)1302。CPU 1302可由一个或多个同构或异构处理核心构成。例如，CPU 1302是具有一个或多个处理核心的一个或多个通用微处理器。另外的实施方案可使用具有微处理器架构的一个或多个CPU来实现，所述微处理器架构特别地适于高度并行且计算密集的应用，诸如解释查询、识别情景相关资源和立即在视频游戏中实现和渲染情景相关资源的处理操作。装置1300可为在玩某一游戏片段的玩家本地(例如，游戏控制台)，或者远离玩家(例如，后端服务器处理器)。

存储器1304存储应用程序和数据以供CPU 1302使用。存储装置1306为应用程序和数据提供非易失性存储装置和其他计算机可读介质，并且可包括固定式磁盘驱动器、可移动磁盘驱动器、快闪存储器装置，和CD-ROM、DVD-ROM、蓝光光盘、HD-DVD或其他光学存储装置，以及信号传输和存储介质。用户输入装置1308将用户输入从一个或多个用户传达到装置1300，所述用户输入装置的示例可包括键盘、鼠标、操纵杆、触摸板、触摸屏、静止或视频录像机/相机、用于辨识手势的跟踪装置和/或麦克风。网络接口1314允许装置1300经由电子通信网络与其他计算机系统通信，并且可包括通过局域网和广域网(诸如互联网)的有线或无线通信。音频处理器1312适于从由CPU 1302、存储器1304和/或存储装置1306提供的指令和/或数据生成模拟或数字音频输出。装置1300的部件，包括CPU 1302、存储器1304、数据存储装置1306、用户输入装置1308、网络接口1310和音频处理器1312，经由一个或多个数据总线1322连接。

图形子系统1320还与数据总线1322以及装置1300的部件连接。图形子系统1320包括图形处理单元(GPU)1316和图形存储器1318。图形存储器1318包括显示存储器(例如，帧缓冲器)，所述显示存储器用于存储输出图像的每个像素的像素数据。图形存储器1318可集成在与GPU 1308相同的装置中、作为单独的装置与GPU 1316连接和/或实现在存储器1304内。像素数据可直接地从CPU 1302提供到图形存储器1318。可选地，CPU 1302向GPU 1316提供定义期望的输出图像的数据和/或指令，GPU 1316从所述数据和/或指令生成一个或多个输出图像的像素数据。定义期望的输出图像的数据和/或指令可存储在存储器1304和/或图形存储器1318中。在实施方案中，GPU 1316包括3D渲染能力，以用于从定义场景的几何形状、光照、阴影、纹理、运动和/或相机参数的指令和数据生成输出图像的像素数据。GPU1316还可包括能够执行着色器程序的一个或多个可编程执行单元。

图形子系统1314周期性地从图形存储器1318输出图像的像素数据以显示在显示装置1310上。显示装置1310可为能够响应于来自装置1300的信号而显示视觉信息的任何装置，包括CRT、LCD、等离子体和OLED显示器。例如，装置1300可向显示装置1310提供模拟或数字信号。

尽管已经提供了特定实施方案来展示向玩家呈现情景相关资源，但这些是以示例而非限制的方式描述的。阅读了本公开的本领域技术人员将认识到落入本公开的精神和范围内的另外的实施方案。

应注意，在广阔的地理区域上递送的访问服务，诸如提供对当前实施方案的游戏的访问，通常使用云计算。云计算是一种计算方式，其中动态可扩展和通常虚拟化的资源通过互联网作为服务提供。用户不需要成为支持他们的“云”中技术基础设施方面的专家。云计算可以分为不同的服务，诸如基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)。云计算服务通常提供在线的从web浏览器访问的通用应用程序，诸如视频游戏，而软件和数据存储在云中的服务器上。基于在计算机网络图中互联网的描绘方式，术语云用作互联网的隐喻，并且是其所隐藏的复杂基础设施的抽象概念。

在一些实施方案中，游戏服务器或虚拟商店服务器可用于执行向视频游戏玩家呈现情景相关游戏内资源和商店内资源的操作。互联网上进行的大多数视频游戏都是通过与游戏服务器的连接来运行的。通常，游戏使用专用的服务器应用，该应用从玩家收集数据并将其分发给其他玩家。用户用客户端装置访问远程服务，所述客户端装置至少包括CPU、显示器和I/O。客户端装置可为PC、移动电话、上网本、PDA等。在一个实施方案中，在游戏服务器上执行的网络辨识由客户端使用的装置类型并调整采用的通信方法。在其他情况下，客户端装置使用标准通信方法(诸如html)来通过互联网访问游戏服务器上的应用程序。

本公开的实施方案可用包括手持式装置、微处理器系统、基于微处理器的或可编程的消费性电子产品、小型计算机、大型计算机等的各种计算机系统配置来实践。还可以在分布式计算环境中实践本公开，在所述分布式计算环境中，通过基于有线或无线网络链接的远程处理装置执行任务。

应了解，可针对特定平台和特定相关联的控制器装置而开发给定的视频游戏或游戏应用。然而，当使这种游戏经由如本文所提出的游戏云系统可用时，用户可能正在用不同的控制器装置访问视频游戏。例如，可能已经针对游戏控制台及其相关联的控制器开发了游戏，而用户可能正在利用键盘和鼠标从个人计算机访问游戏的基于云的版本。在这种情况下，输入参数配置可定义从可由用户的可用的控制器装置(在这种情况下，即键盘和鼠标)生成的输入到视频游戏的执行可接受的输入的映射。

在另一个示例中，用户可经由平板计算装置、触摸屏智能电话或其他触摸屏驱动的装置访问云游戏系统。在这种情况下，客户端装置和控制器装置一起集成在同一装置中，其中输入通过检测到的触摸屏输入/手势提供。对于这种装置，输入参数配置可定义对应于视频游戏的游戏输入的特定触摸屏输入。例如，在视频游戏的运行期间，可显示或叠加按钮、方向盘或其他类型的输入元件以指示在触摸屏上用户可触摸以生成游戏输入的位置。诸如在特定方向上的划扫或特定触摸运动的手势也可被检测为游戏输入。在一个实施方案中，可例如在开始视频游戏的玩游戏过程之前向用户提供指示如何针对玩游戏过程经由触摸屏提供输入的教程，以便使用户适应在触摸屏上操作控件。

在一些实施方案中，客户端装置用作控制器装置的连接点。即，控制器装置经由无线或有线连接与客户端装置通信以从控制器装置向客户端装置传输输入。客户端装置可依次处理这些输入，并且然后经由网络(例如，经由诸如路由器的本地联网装置访问)向云游戏服务器传输输入数据。然而，在其他实施方案中，控制器本身可为联网装置，具有直接地经由网络将输入传达给云游戏服务器的能力，而无需首先通过客户端装置传达这种输入。例如，控制器可连接到本地联网装置(诸如前述路由器)以向云游戏服务器发送数据和从云游戏服务器接收数据。因此，尽管可能仍要求客户端装置接收来自基于云的视频游戏的视频输出并将其渲染在本地显示器上，但可通过允许控制器直接地通过网络而绕过客户端装置向云游戏服务器发送输入来减少输入延迟。

在一个实施方案中，联网控制器和客户端装置可被配置为直接地从控制器向云游戏服务器发送某些类型的输入，以及经由客户端装置发送其他类型的输入。例如，可经由网络而绕过客户端装置直接地从控制器向云游戏服务器发送输入，所述输入的检测不依赖于除控制器本身以外的任何另外的硬件或处理。此类输入可包括按钮输入、操纵杆输入、嵌入式运动检测输入(例如，加速度计、磁力计、陀螺仪)等。然而，利用另外的硬件或要求由客户端装置处理的输入可由客户端装置发送到云游戏服务器。这些可包括从游戏环境捕获的视频或音频，所述视频或音频可在发送到云游戏服务器之前由客户端装置处理。另外地，来自控制器的运动检测硬件的输入可由客户端装置结合捕获的视频来处理以检测控制器的位置和运动，所述位置和所述运动随后将会由客户端装置传达到云游戏服务器。应了解，根据各种实施方案的控制器装置还可从客户端装置或直接地从云游戏服务器接收数据(例如，反馈数据)。

本领域技术人员将了解，在本公开的各种实施方案中，可结合在显示器上显示的交互式应用程序来利用前述头戴式装置，以提供各种交互功能。本文中描述的示例性实施方案仅以示例而非限制的方式提供。

应理解，本文中定义的各种实施方案可使用本文中公开的各种特征来组合或汇编成特定实现方式。因此，提供的示例仅是一些可能的示例，而不限于通过组合各种要素以定义更多的实现方式而可能的各种实现方式。在一些示例中，在不背离所公开的或等同的实现方式的精神的情况下，一些实现方式可包括更少的要素。

本公开的实施方案可用包括手持式装置、微处理器系统、基于微处理器的或可编程的消费性电子产品、小型计算机、大型计算机等的各种计算机系统配置来实践。还可在分布式计算环境中实践本公开的实施方案，在所述分布式计算环境中，通过基于有线的网络或无线网络链接的远程处理装置执行任务。

尽管以特定次序描述了方法操作，但应理解，可在操作之间执行其他内务操作，或者可调整操作，使得它们在略不同的时间上发生，或者可将操作分布在系统中，只要以期望方式执行遥测和游戏状态数据的处理以生成修改的游戏状态，所述系统就允许以与处理相关联的各种间隔发生处理操作。

一个或多个实施方案也可以被制造为计算机可读介质上的计算机可读代码。计算机可读介质是能够存储数据的任何数据存储装置，所述数据此后能够被计算机系统读取。计算机可读介质的示例包括硬盘驱动器、网络附加存储装置(NAS)、只读存储器、随机存取存储器、CD-ROM、CD-R、CD-RW、磁带以及其他光学和非光学数据存储装置。计算机可读介质可包括分布在网络耦合的计算机系统上的计算机可读有形介质，使得以分布式方式存储和执行计算机可读代码。

尽管为了清楚理解的目的，已经相当详细地描述了前述实施方案，但是将显而易见的是，可在所附权利要求的范围内实践一些改变和修改。因此，本实施方案被认为是说明性的而非限制性的，并且实施方案不限于本文给出的细节，而是可在所附权利要求的范围和等效物内进行修改。