Pratique DDD pour l'équipe de robots téléphoniques
Introduction
DDD est un ensemble de méthodologie et un ensemble d'idées. Une grande variété de métamodèles et de concepts nominaux. Leur essence est « l’une » des solutions correspondant à l’idéologie directrice, et les débutants se laissent facilement piéger par l’apparence. Vous devez toujours garder clairement à l'esprit que "tous les métamodèles DDD sont créés pour résoudre certains types de problèmes dans le développement réel". Lorsque vous entrez en contact avec divers métamodèles, vous devez effectuer une vérification basée sur les problèmes rencontrés par votre propre entreprise. Cela vous aidera à éviter de vous laisser piéger par des représentations conceptuelles et à revenir à l'essence de la résolution des problèmes.
Contexte
L'équipe d'architecture de données a commencé à développer le robot téléphonique guidé par les besoins de l'entreprise en 2018, et cela fait près de 5 ans en un clin d'œil. À l'heure actuelle, plus de 100 types différents de robots ont été construits sur cette plate-forme pour fournir des capacités d'appels sortants aux concessionnaires de l'entreprise, aux voitures d'occasion, aux équipementiers, aux services financiers et aux autres activités des BU, avec des centaines de milliers d'appels sortants par jour. Le projet de robot téléphonique a commencé à prendre forme, mais il a également rencontré de nombreux défis au cours du processus. Afin de faire face à ces défis, notre équipe a finalement adopté la pensée DDD pour la reconstruction et le développement.
Dans le processus d'application de DDD, l'équipe d'architecture de données a mis en œuvre certaines de ses propres spécifications de développement. J'aimerais ici partager quelques expériences et idées avec vous, en espérant qu'elles puissent servir de point de départ. Laissez-moi vous expliquer ici. De nombreux modèles multivariés ne sont pas abordés dans cet article et aucun cas spécifique n'est présenté. Considérons d’abord la question de la longueur. La seconde est de comprendre l'idée du DDD et de la mettre en œuvre en combinant les activités respectives. Il n'est pas pertinent de donner des exemples dans mon entreprise. De plus, de tels cas sont faciles à trouver. En même temps, je pense qu'il serait plus précieux que chacun partage les problèmes et les solutions rencontrés par notre équipe, le processus de mise en œuvre et les spécifications de développement que nous avons formées. Les étudiants intéressés par DDD, souhaitant en savoir plus ou ayant des questions sur cet article sont invités à me contacter pour en discuter.
Ci-dessous, je partagerai à partir de ces parties : les défis rencontrés dans le projet de robot, pourquoi DDD est DDD, les étapes pour mettre en œuvre DDD, les améliorations de l'équipe, les conflits rencontrés de la théorie à la pratique ainsi que les améliorations futures et des résumés dans les applications DDD.
1. Défis rencontrés
Défi 1 : Grande complexité de la logique métier. Avec l'accès à divers services, une nouvelle logique est constamment ajoutée pour gérer des services spécifiques dans différents scénarios.
Tels que : logique de reconnaissance d'intention dans le processus.
La reconnaissance d'intention nécessite l'identification de plusieurs modèles d'IA. Les intentions reconnues par plusieurs modèles peuvent entrer en conflit et des règles de configuration d'intention contradictoires doivent être choisies. Dans le même temps, pour certains scénarios de démarrage à froid ou d’optimisation d’urgence, il est nécessaire de prendre en charge l’identification des intentions en configurant des règles pour qu’elles prennent effet en temps réel. Et les emplacements de mots correspondants doivent être pris en charge dans la reconnaissance intentionnelle des règles. Il existe de nombreux types d'emplacements de mots. Les emplacements de mots globaux avec scénarios et les emplacements de mots avec processus se distinguent en termes de priorité. À partir de la source d'identification des données, elles peuvent être divisées en celles identifiées par l'IA, celles correspondant à des règles de dictionnaire ou celles transmises par l'entreprise. Une fois l'activité réalisée pendant un certain temps, différents attributs sont ajoutés aux différents types d'emplacements. Par exemple, les emplacements pour les séries de voitures incluent le produit, la portée de l'activité, la non-exploitation, etc. 🎜# Défi 2 : La structure de l'architecture du code n'est pas claire . À mesure que les exigences métier s’ajoutent, la taille du code augmente. Couplées à la complexité de la logique et aux différents codes des développeurs d'équipe, les différentes frontières logiques deviennent progressivement confuses.
Par exemple : notre méthode de développement habituelle consiste à le démonter en fonction de modules fonctionnels, et le processus métier est connecté en série pour coordonner chaque module afin de compléter conjointement les exigences métier. Cependant, face à la logique complexe de ce type d'entreprise, cette conception de solution présente de grands inconvénients et les limites des modules sont facilement franchies.
Les relations entre les modules s'appellent les uns les autres. La conception originale de l'isolation des modules a en fait été complètement rompue lors du processus de mise en œuvre. Les modules divisés verticalement, initialement idéaux, deviennent une structure en forme de maillage.
Les attributs ou méthodes développés par le responsable du module au stade intermédiaire dépendent d'autres modules externes, ce qui entraîne une divergence des fonctions. Cela entraîne des risques accrus lorsque les exigences changent ultérieurement, ou lorsqu'il peut s'avérer que les méthodes qui peuvent être modifiées à volonté ne peuvent pas être modifiées et qu'un code logique supplémentaire doit être ajouté pour l'implémenter. Cela rend un code déjà complexe encore plus complexe.
Le démantèlement des exigences commerciales est déraisonnable. Les fonctions requises sont développées à proximité lors de la mise en œuvre, et le démontage des modules n'est pas strictement suivi, et il y a un manque de réflexion unifiée comme orientation.
Défi 3 : Il y a tellement de demande pour le produit qu'il est difficile de dire s'il a une réelle valeur.
Défi 4 : La logique change rapidement et de nombreuses demandes nécessitent une refonte de la logique du code.
Défi 5 : Il existe de nombreuses entreprises, des descriptions incohérentes de chaque entreprise et des coûts de communication élevés.
Les frontières verticales sont brisées, la complexité du code augmente et les processus métier sont fréquemment ajustés. Ces multiples dimensions se superposent, rendant le développement et la maintenance exponentiellement plus difficiles. La stabilité du système d'application de premier niveau du robot téléphonique est difficile à garantir. Même si les camarades techniques sont tous des ingénieurs seniors, ils ont conçu selon les idées du microservice qu'ils peuvent comprendre et désassemblé le projet en fonction des modules. Même si la logique du code a cité de nombreux modèles de conception à construire et à développer, même s'il a été connecté. dans différentes parties de l'entreprise, outils qualité de la plateforme, rédaction de nombreux tests unitaires. Cependant, lorsque le projet itérait sur de nouvelles exigences, de nombreuses « surprises » apparaissaient encore, provoquant des maux de tête pour toute l'équipe.
2. Pourquoi DDD
Pourquoi DDD ? Il y a tellement de piles technologiques et tellement d'idées chaque jour, pourquoi DDD est-il utilisé pour les gérer ? Tout d'abord, DDD modifie très bien « comment gérer la complexité fondamentale des logiciels », ce qui donne envie à de nombreuses personnes de le découvrir. Voyons donc comment DDD résout les défis rencontrés dans le projet.
Tout d’abord, examinons la classification de la complexité de DDD et voyons si la complexité à laquelle DDD doit faire face est un défi auquel je suis confronté. Dans les documents liés au DDD, les causes de la complexité sont explorées et analysées à partir des deux dimensions de la capacité de compréhension et de la capacité de prédiction.
Capacité de compréhension (c'est-à-dire que le système logiciel est complexe et difficile à comprendre pour les développeurs) :
Première échelle : Le premier facteur qui affecte la capacité de compréhension. Il existe des centaines de millions de lignes de code et la relation entre chaque point de demande s'influence mutuellement. Modifier une zone affectera tout le corps.
Deuxième structure : une structure déraisonnable, voire déroutante, rend difficile la maintenance des fonctions pour les développeurs.
Capacité prédictive (c'est-à-dire que le développement de l'entreprise est difficile à prédire) :
Lorsque les exigences changent, il est difficile de prédire la direction de la mise en œuvre du logiciel, et des problèmes de sur-conception et de sous-conception se produiront. Lors de la conception excessive, de nombreuses interfaces ont été réservées et de nombreux modèles ont été construits pour augmenter la complexité de mise en œuvre du code, mais il s'est avéré plus tard qu'ils n'étaient pas utilisés. La conception est insuffisante et la réalisation des exigences ne tient pas compte du développement ultérieur. Lorsque des changements surviennent, la conception existante doit être renversée et redéveloppée. Les produits se plaignent de faibles capacités de conception.
Les causes de la complexité dans DDD sont résumées comme suit : l'échelle, la structure et le changement ; l'échelle et la structure créent des obstacles à la compréhension, les changements créent des obstacles à la prédiction, et les deux s'additionnent pour former un problème de complexité.
Deuxièmement, DDD n'est pas seulement une théorie de la phase de conception de code, mais comprend également des conseils de conception complets depuis l'analyse des exigences, la cartographie de l'architecture, la modélisation et la mise en œuvre.
Au stade de l'analyse de la demande, nous pouvons comprendre avec précision la valeur commerciale à l'avance grâce à une idéologie directrice pertinente et capturer l'orientation des changements futurs. Au cours de l'étape de cartographie de l'architecture, l'idéologie directrice du processus allant des exigences à l'architecture est donnée, et le poids de la conception et les spécifications sont ajoutés. Grâce à la division des sous-domaines, à la superposition du système et à la classification métier à contexte limité, des spécifications d'orientation sont fournies pour garantir la clarté de l'architecture du système et réduire la complexité du système. Au cours de la phase de modélisation et de mise en œuvre, des métamodèles liés à la conception axés sur le domaine sont fournis pour clarifier la division fonctionnelle de chaque pièce et répondre rapidement aux besoins de l'entreprise et aux futurs changements fonctionnels.
Encore une fois, revenons à l’idéologie directrice donnée par DDD :
Problème d’échelle : briser les frontières. Divisez et conquérez le démontage avec des sous-domaines et des contextes délimités.
Compte tenu de l'idée de diviser pour régner, DDD fournit deux méta-modèles de conception importants : le contexte délimité et la cartographie du contexte.
Problèmes structurels : architecture en couches + isolation limitée.
La superposition peut isoler les problèmes de logique métier et de complexité de mise en œuvre technique. L'architecture en couches introduite par DDD encapsule la logique métier dans la couche de domaine et place l'implémentation technique qui prend en charge la logique métier dans la couche infrastructure. La couche d'application située au-dessus de la couche de domaine encapsule les services d'application et relie les deux pour la collaboration.
Problèmes de modification : concevez les modifications de manière proactive.
Les changements ne peuvent pas être contrôlés, nous ne pouvons que les accepter. Au cours de la phase d’analyse de la demande, la réflexion 5W est utilisée pour identifier les modèles de changement et contrôler les changements commerciaux. DDD utilise des métamodèles de conception pilotés par modèle pour modéliser le domaine des contextes délimités, formant ainsi un modèle de domaine qui combine l'analyse, la conception et la mise en œuvre.
Enfin, regardons la solution proposée par DDD. Il introduit un ensemble de métamodèles de conception affinés en modèles, permettant aux logiciels d'entreprise de contrôler l'échelle, de diviser les structures et de répondre de manière proactive aux changements.
Laissez-moi vous présenter brièvement cette photo, qui est divisée en deux parties. La première partie est la partie entourée de points ci-dessous et ne nécessite pas de mise en œuvre technique particulière. Certaines solutions de méta-modèle pour traiter l'espace du problème sont mises en œuvre pendant la phase d'analyse des exigences. Dans l'autre partie, sur la base de la première partie, nous effectuerons la superposition spécifique de l'architecture du système, l'abstraction et l'agrégation des objets, ainsi que le désassemblage des services. À ce stade, nous mettrons en œuvre la conception correspondante.
Ma compréhension est la suivante. Ce métamodèle de conception fournit une solution complète depuis l'analyse de la demande, la conception et la mise en œuvre. Démantèlement du système lors de la phase d'analyse des besoins (correspondant au méta-modèle de sous-domaine de la figure). Ensuite, divisez-le dans le contexte limité de la granularité des mises à jour. Et le schéma de relation collaborative de chaque frontière est donné (correspondant au méta-modèle de cartographie contextuelle de la figure). La phase de mise en œuvre de la conception fournit le plan des éléments de conception de la conception pilotée par modèle, à travers la conception granulaire de l'architecture hiérarchique du système, des services de domaine, de l'agrégation, etc. Fournir un ensemble de solutions complètes, théoriquement soutenues, réalisables et standards.
L'analyse DDD ci-dessus et le positionnement de la complexité du problème sont complètement le problème du système de robot téléphonique. Les solutions proposées résolvent également parfaitement les différents défis auxquels l’entreprise est confrontée. Après avoir réalisé sa valeur, l’équipe est rapidement parvenue à un consensus pour la mettre en œuvre dans les projets ultérieurs.
3. Étapes de mise en œuvre de DDD
Je n'entrerai pas dans les détails des détails du méta-modèle et des limites commerciales, mais je donnerai directement les étapes et les produits réels de notre équipe.
3.1 La première étape de la phase de pré-recherche
Notre expérience dans cette partie est qu'un membre de l'équipe agit comme un précurseur, dépensant d'abord son énergie pour une étude approfondie des concepts liés au DDD, puis en la synchronisant avec l'ensemble de l'équipe. . Pour notre équipe, la phase de recherche est fragmentée et il est difficile d'estimer combien de temps elle prendra. La phase de vulgarisation scientifique en équipe a duré 4 fois et a duré 8 heures. Après cela, les étudiants de l’équipe ont la capacité d’apprendre rapidement et en profondeur sur la base de conseils conceptuels. Et organisez les membres de l’équipe pour qu’ils discutent entre eux pour confirmer leur compréhension.
3.2 La deuxième étape consiste à introduire l'idéologie directrice et les spécifications de mise en œuvre
3.2.1 Dans la phase d'analyse de la demande, le support théorique du modèle 5W est introduit pour aider à identifier les besoins réels, contrôler activement la direction du changement et éliminer des besoins dénués de sens.
Cette partie est la théorie 5W comme support théorique pour analyser les besoins des produits. Elle est très utile pour identifier les besoins réels et mieux analyser l'orientation de développement de l'entreprise. Les exigences non valides peuvent également être réduites à partir de la source, directement comme indiqué dans l'image ci-dessus.
3.2.2 introduit les spécifications de service et implémente les fonctions commerciales avec des codes de comparaison basés sur des documents. Il est utile pour le développement et le tri des exigences ultérieures, et peut également être utilisé comme facteur de couverture des tests unitaires.
- 3.2.2.1 Le consensus parmi les membres de l'équipe est que la spécification du service doit d'abord être écrite, puis développée. Le temps passé à rédiger la spécification du service consiste en fait à trier la compréhension technique des exigences et à clarifier les idées. Cette partie du temps peut être récupérée lors de l'écriture du code ultérieurement.
- 3.2.2.2 Spécifications et exigences du service. Les spécifications du service correspondent à l'essai unique. En passant, cela résout le problème qu'il n'y avait pas de norme pour les tests uniques auparavant (la couverture du code et des méthodes que je comprends ne peut pas être appelée des normes).
Voici le modèle de cahier des charges de service adopté par notre équipe :
Numéro : Un numéro unique qui marque le service métier.
Nom : nom du service commercial sous forme de phrase verbale.
Description :
述 述 Je souhaite
faciliter le déclenchement des événements :
L'événement de service métier qui a déclenché activement le personnage peut être un clic du contrôle de l'interface utilisateur, une stratégie spécifique ou un système compagnon envoyé par le système système. Nouvelles, etc.
Processus de base : Utilisé pour exprimer le processus principal des services métier, c'est-à-dire le scénario commercial d'une exécution réussie. On peut également l’appeler le « scénario principal de réussite ». Processus alternatif : Processus étendu utilisé pour exprimer des services métier, c'est-à-dire des scénarios commerciaux où l'exécution échoue. Critères d'acceptation : Une série de conditions ou de règles commerciales acceptables, répertoriées sous forme de puces. 3.3 La troisième étape consiste à déterminer la solution architecturaleApprenez la solution du métamodèle de conception pilotée par modèle dans DDD. L'objectif principal est de diviser les limites des responsabilités, c'est-à-dire le contexte délimité, de transformer la relation traditionnelle de structure de réseau en une relation de segmentation verticale et de réduire la dépendance mutuelle. L’utilisation globale d’un démontage limité de textes en ligne et d’une conception de lecteur de diamant constitue l’orientation idéologique globale. Le système adopte une architecture en couches COLA 4.03.4 La quatrième étape est la norme de dénomination consensuelle pour former les spécifications de codage de l'équipe
Dénomination des packages consensuels, dénomination des classes, contrats de message pour les paramètres d'entrée et de sortie au sein de l'équipe et autres spécifications . Ce que je veux dire ici, c'est qu'il n'y a pas de norme de référence. J'espère que tout le monde pourra d'abord comprendre l'idée de DDD, puis se référer au système de dénomination qui fait l'objet d'un haut consensus dans l'industrie. Dans le même temps, vous devez prendre en compte les préférences de style de programmation des membres de l'équipe et, en fin de compte, formuler les normes de codage de votre propre équipe.
À titre d'exemple basé sur la dénomination de nos messages d'entrée et de sortie. Après avoir examiné toutes les parties, nous n’avons pas adopté la méthode de dénomination particulièrement fine présentée ci-dessus. Au lieu de cela, le consensus simple au sein de l’équipe est que le paramètre d’entrée *demande, le paramètre de sortie *réponse est la norme de dénomination.
3.5 La cinquième étape consiste à identifier le contexte délimité en fonction des caractéristiques de l'entreprise
3.6 Entre enfin dans la phase de mise en œuvre de la modélisation
Il est recommandé d'utiliser le développement piloté par les tests pour le codage, c'est-à-dire en utilisant des pilotes rouges, verts et jaunes
Cette méthode suit ses trois lois, ce qui peut améliorer la compréhension des exigences. Problèmes de sous-conception et de sur-conception.
# 🎜🎜 ## 🎜🎜 ## 🎜🎜 ## 🎜🎜 ## 🎜🎜 ## 🎜🎜 ## 🎜🎜 ## 🎜🎜 ## 🎜🎜 # Law One # 🎜🎜 ## 🎜🎜 ## 🎜🎜 # #N'écrivez aucun code produit à moins C'est juste assez pour réussir le test qui a échoué. | |
Seulement si tous les tests sont réussis Faites le code refactoriser ou commencer à ajouter de nouvelles fonctionnalités. |
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Raisons pour lesquelles les appels sur téléphone mobile ne peuvent pas être effectués : 1. Problème de signal ; 2. Problème de compte de téléphone mobile ; 3. Problème de configuration du téléphone mobile ; 4. Problème de carte SIM ; 6. Problème de matériel de téléphone mobile ; problème ; 8 , problèmes spécifiques à une zone ou à une période de temps ; 9. Problèmes liés au fournisseur de services ; 10. Autres problèmes. Introduction détaillée : 1. Les problèmes de signal peuvent être l'une des raisons les plus courantes pour lesquelles les téléphones mobiles ne peuvent pas passer d'appels. Si le téléphone mobile n'a pas suffisamment de signal, il peut ne pas être possible de passer des appels. le compte de téléphonie mobile est en retard ou a été suspendu, etc.

Le robot humanoïde Ameca est passé à la deuxième génération ! Récemment, lors de la Conférence mondiale sur les communications mobiles MWC2024, le robot le plus avancé au monde, Ameca, est à nouveau apparu. Autour du site, Ameca a attiré un grand nombre de spectateurs. Avec la bénédiction de GPT-4, Ameca peut répondre à divers problèmes en temps réel. "Allons danser." Lorsqu'on lui a demandé si elle avait des émotions, Ameca a répondu avec une série d'expressions faciales très réalistes. Il y a quelques jours à peine, EngineeredArts, la société britannique de robotique derrière Ameca, vient de présenter les derniers résultats de développement de l'équipe. Dans la vidéo, le robot Ameca a des capacités visuelles et peut voir et décrire toute la pièce et des objets spécifiques. Le plus étonnant, c'est qu'elle peut aussi

Cette semaine, FigureAI, une entreprise de robotique investie par OpenAI, Microsoft, Bezos et Nvidia, a annoncé avoir reçu près de 700 millions de dollars de financement et prévoit de développer un robot humanoïde capable de marcher de manière autonome au cours de la prochaine année. Et l’Optimus Prime de Tesla a reçu à plusieurs reprises de bonnes nouvelles. Personne ne doute que cette année sera celle de l’explosion des robots humanoïdes. SanctuaryAI, une entreprise canadienne de robotique, a récemment lancé un nouveau robot humanoïde, Phoenix. Les responsables affirment qu’il peut accomplir de nombreuses tâches de manière autonome, à la même vitesse que les humains. Pheonix, le premier robot au monde capable d'accomplir des tâches de manière autonome à la vitesse d'un humain, peut saisir, déplacer et placer avec élégance chaque objet sur ses côtés gauche et droit. Il peut identifier des objets de manière autonome

Dans le domaine de la technologie de l’automatisation industrielle, il existe deux points chauds récents qu’il est difficile d’ignorer : l’intelligence artificielle (IA) et Nvidia. Ne changez pas le sens du contenu original, affinez le contenu, réécrivez le contenu, ne continuez pas : « Non seulement cela, les deux sont étroitement liés, car Nvidia ne se limite pas à son unité de traitement graphique d'origine (GPU ), il étend son GPU. La technologie s'étend au domaine des jumeaux numériques et est étroitement liée aux technologies émergentes d'IA "Récemment, NVIDIA a conclu une coopération avec de nombreuses entreprises industrielles, notamment des sociétés d'automatisation industrielle de premier plan telles qu'Aveva, Rockwell Automation, Siemens. et Schneider Electric, ainsi que Teradyne Robotics et ses sociétés MiR et Universal Robots. Récemment, Nvidiahascoll

Rédacteur en chef du Machine Power Report : Wu Xin La version domestique de l'équipe robot humanoïde + grand modèle a accompli pour la première fois la tâche d'exploitation de matériaux flexibles complexes tels que le pliage de vêtements. Avec le dévoilement de Figure01, qui intègre le grand modèle multimodal d'OpenAI, les progrès connexes des pairs nationaux ont attiré l'attention. Hier encore, UBTECH, le « stock numéro un de robots humanoïdes » en Chine, a publié la première démo du robot humanoïde WalkerS, profondément intégré au grand modèle de Baidu Wenxin, présentant de nouvelles fonctionnalités intéressantes. Maintenant, WalkerS, bénéficiant des capacités de grands modèles de Baidu Wenxin, ressemble à ceci. Comme la figure 01, WalkerS ne se déplace pas, mais se tient derrière un bureau pour accomplir une série de tâches. Il peut suivre les commandes humaines et plier les vêtements

Les 10 robots humanoïdes suivants façonnent notre avenir : 1. ASIMO : Développé par Honda, ASIMO est l'un des robots humanoïdes les plus connus. Mesurant 4 pieds de haut et pesant 119 livres, ASIMO est équipé de capteurs avancés et de capacités d'intelligence artificielle qui lui permettent de naviguer dans des environnements complexes et d'interagir avec les humains. La polyvalence d'ASIMO le rend adapté à une variété de tâches, allant de l'assistance aux personnes handicapées à la réalisation de présentations lors d'événements. 2. Pepper : Créé par Softbank Robotics, Pepper vise à être un compagnon social pour les humains. Avec son visage expressif et sa capacité à reconnaître les émotions, Pepper peut participer à des conversations, aider dans les commerces de détail et même fournir un soutien pédagogique. Poivrons

"The Legend of Zelda: Tears of the Kingdom" est devenu le jeu Nintendo le plus vendu de l'histoire. Non seulement Zonav Technology a apporté divers contenus communautaires "Zelda Creator", mais il est également devenu un nouveau cours d'ingénierie à l'université des États-Unis. du Maryland (UMD). Rewrite : The Legend of Zelda : Tears of the Kingdom est l'un des jeux Nintendo les plus vendus jamais enregistrés. Non seulement la technologie Zonav apporte un contenu communautaire riche, mais elle fait également partie du nouveau cours d'ingénierie de l'Université du Maryland. Cet automne, le professeur agrégé Ryan D. Sochol de l'Université du Maryland a ouvert un cours intitulé ".

En un clin d’œil, les robots ont appris à faire de la magie ? On a vu qu'il avait d'abord ramassé la cuillère à eau sur la table, prouvant au public qu'il n'y avait rien dedans... Ensuite, il a mis l'objet en forme d'œuf dans sa main, puis a remis la cuillère à eau sur la table. et a commencé à « jeter un sort »... … Juste au moment où il a repris la cuillère à eau, un miracle s'est produit. L'œuf qui avait été initialement mis dedans a disparu et la chose qui a sauté s'est transformée en ballon de basket... Regardons à nouveau les actions continues : △ Cette animation montre un ensemble d'actions à une vitesse 2x, et cela se déroule sans problème uniquement en regardant. la vidéo à plusieurs reprises à une vitesse de 0,5x peut-elle être comprise. Finalement, j'ai découvert les indices : si la vitesse de ma main était plus rapide, je pourrais peut-être la cacher à l'ennemi. Certains internautes ont déploré que les compétences magiques du robot soient encore supérieures aux leurs : c'est Mag qui a réalisé cette magie pour nous.
