伦敦岛屿规划
以卡通伦敦为设定，开展岛屿与城市空间规划。
01 / 制作人 · 主设计师 · 开发中
小黄鸭漂流冒险
以伦敦为灵感，围绕物理驱动的小黄鸭展开探索与冒险。
01项目概览
小黄鸭漂流冒险
《小黄鸭漂流冒险》是一款使用 Unreal Engine 5 制作的卡通风格探索项目，以橡皮鸭和伦敦为核心设定。
我担任制作人和主设计师，关注世界空间设计、环境交互与制作工具。项目目前仍在开发中，目标上架 Steam 等平台。
02项目重点
城市后院迭代
围绕城市后院区域进行关卡迭代。
垂直探索兴趣点
以五个垂直空间层次与不同尺度的兴趣点组织探索。
视觉开发探索
探索植被与沙地表现，以及人工智能辅助角色美术。
03设计与制作
01
伦敦岛屿规划与制作
以住宅区、中央商务区、海德公园、威斯敏斯特和皮卡迪利五个区域组织岛屿。通过地标、道路与街区尺度建立空间骨架。
制作从二维总平面与早期体量白盒，逐步进入街区、后翼与庭院细化，再推进住宅区美术。
02
城市空间与庭院迭代
街道连接建筑与区域；广场作为开放节点，让玩家停留、观察与选择路线；围合庭院则承载更亲密尺度的局部活动与细节探索。
庭院制作经历分区、公共空间优化和边界调整，再推进局部环境美术。这些空间功能是设计意图，不代表所有活动均已实现。
03
垂直探索与兴趣点尺度
五个空间层次连接水道与地下、地面、室内、建筑外立面和屋顶。它们共同组织探索路线，并非按顺序解锁的五张地图。
小型兴趣点提供短暂发现，中型兴趣点承载特定活动，大型兴趣点成为区域地标。设计目标是在移动约 30 秒后给出强反馈，每 5–10 秒给出轻反馈，并尽量保留 1–2 个中型兴趣点或其他引导线索可见；这些是目标，而非已完成的测试指标。
04
植被渲染与沙地形变
植被测试在同一场景、同一镜头和完整细节条件下比较 Nanite 与传统 LOD0。Nanite 约为 40.4 FPS，传统 LOD0 约为 4.7 FPS。测试设备为 RTX 3060 Laptop、32 GB 内存，分辨率为 1707 × 1067，使用 UE 5.8 编辑器，每种模式采样三次、每次 12 秒。
沙地方案分别比较 Nanite 曲面细分、密网格 WPO 顶点位移和 POM 视差映射。前两者产生真实几何形变，测得凹陷深度分别为 25.17 cm 与 25.45 cm；POM 提供视觉深度，几何凹陷为 0 cm。
在一个模型移动的测试条件下，三种沙地方案分别约为 58.6、76.4 和 82.4 FPS。当前方案采用 Nanite 植被与密网格 WPO 沙地，在几何效果和测试性能之间作取舍。
以上数据来自特定编辑器场景，不能直接作为打包游戏或其他硬件的性能指标。
05
人工智能辅助角色美术
以腾讯混元 3D 生成角色初稿，再通过人工智能代理辅助重拓扑与烘焙，衔接 Blender、骨骼导入与引擎材质流程。
混元初稿为 49,988 个三角面、27,809 个顶点。当前游戏模型为 18,874 个三角面、9,443 个顶点，重拓扑以四边形为主，再进行贴图烘焙、骨骼导入和 UE 材质配置。下图为 Blender 模型渲染。
