多人游戏与网络同步 / 系统课时
按速度把角色向前推
按速度把角色向前推
进入外推阶段后,客户端已经没有目标时间之后的快照,只能利用最后一个可信状态预测短时间内的位置。最常见的做法是假设角色暂时保持当前速度,用位置、速度和时间差向前推进,同时给预测时间设置严格上限,防止误差随着空窗持续扩大。
学习目标
- 根据最新位置、速度和时间差计算短时外推位置
- 理解为什么必须限制最大外推时间
- 实现一个可直接验证的线性外推函数
线性外推只做一个短期假设
设最新快照位置为 ,速度为 ,快照时间为 ,目标渲染时间为 。在速度短时间不变的假设下,可以计算:
时间差必须使用秒参与速度计算。如果网络和快照时间使用毫秒,应先除以 1000。例如最新位置为 10 m,速度为 4 m/s,目标时间领先 50 ms,那么预测位置是 10.2 m。
这种方法适合补几十毫秒级的小空窗,因为短时间内“继续保持当前速度”通常比“角色突然冻结”更自然。但它无法提前知道玩家下一刻是否急停、反向移动、跳跃或撞墙,因此不能把它当成长时间预测模型。

先限制时间再计算位置
最大外推时间应该参与计算本身,而不是等角色已经预测很远以后再把结果强行拉回。设允许的最大预测时间为 maxExtrapolationMs,实际使用的时间差应取目标领先时间与上限中的较小值。
下面的 JavaScript 示例同时处理二维位置,并把毫秒转换为秒:
function extrapolatePosition(snapshot, renderTimeMs, maxExtrapolationMs) {
const rawDeltaMs = Math.max(0, renderTimeMs - snapshot.serverTimeMs);
const deltaMs = Math.min(rawDeltaMs, maxExtrapolationMs);
const deltaSeconds = deltaMs / 1000;
return {
x: snapshot.x + snapshot.vx * deltaSeconds,
y: snapshot.y + snapshot.vy * deltaSeconds,
usedDeltaMs: deltaMs
};
}
const snapshot = {
serverTimeMs: 1000,
x: 10,
y: 5,
vx: 4,
vy: -2
};
console.log(extrapolatePosition(snapshot, 1050, 100));
console.log(extrapolatePosition(snapshot, 1200, 100));预期输出:
{ x: 10.2, y: 4.9, usedDeltaMs: 50 }
{ x: 10.4, y: 4.8, usedDeltaMs: 100 }第二次调用虽然目标时间已经领先 200 ms,但真正用于预测的只有 100 ms,所以角色不会继续沿旧速度无限向前移动。实际日志格式可能因运行环境不同而略有差异,但数值应一致。
为什么误差会随着时间快速暴露
线性外推隐含了“速度保持不变”这个条件。如果真实角色在快照之后立即减速,客户端仍按旧速度向前推,预测位置和服务器位置之间就开始分离。
例如旧速度为 8 m/s,玩家在快照之后马上松开方向键。外推 20 ms 的额外距离只有 0.16 m,可能很难察觉;外推 200 ms 就会达到 1.6 m,随后收到权威状态时必须进行明显纠正。
因此最大外推时间不是越大越流畅。较大的上限确实能减少“停住”,但会把问题转化为更大的位置纠正和回弹。移动速度越高、转向越频繁、碰撞越复杂,通常越需要保守的外推窗口。
新快照到达后立即回到权威轨道
外推产生的是临时显示状态,不应写回成新的服务器快照,也不要让下一次预测以已经外推过的位置作为新的权威起点。否则每一帧都可能在前一次猜测上继续猜测,误差会不断累积。
正确做法是始终保存最后一份真实快照。新的权威快照到达后,把它加入按服务器时间排序的缓冲区,再根据新的目标渲染时间决定恢复插值、继续短时外推,还是执行必要的平滑纠正。
适合外推的状态也有边界
位置和线速度比较适合做短时线性预测,因为它们的物理含义明确。旋转可以根据角速度预测,但要处理角度环绕;动画阶段、技能状态、是否落地、生命值等离散状态则不应该因为时间前进而自行猜测。
因此实际角色快照通常不是“整个对象一起外推”,而是只预测少数连续字段。短时外推的目标不是还原未来,而是在下一份权威状态到达前,用一个受到时间限制、可以随时丢弃的估计值填补视觉空窗。