poly-jump

产品配图

+1

关于

我是 PolyJump 的开发者，自荐一个开源项目：PolyJump。 它不是又一个 2D 跳棋游戏，而是一个“不同空间路径模型 + 可配置规则 + 多人博弈”的 3D 棋盘 AI 研究环境。 传统棋类大多建立在二维平面上；即使一些项目标着“3D”，也大多只是把多个二维面组装成一个三维外形，展开后仍然是一张平面。PolyJump 不只是在视觉上做 3D，而是把棋盘本身的空间路径结构作为可配置变量——不同的空间路径模型、2/3/4/6/8 人局、多种移动方向、中国跳棋 / 西洋跳棋 / 混合规则，让 AI 面对的不再是固定环境，而是多智能体、需要空间规划和搜索的博弈任务。 在线试玩 👉 效果 功能 7 种空间路径模型：A / B / C / D + A-ext / B-ext / C-ext 移动方向：6 / 8 / 12 / 14 / 18 / 20 / 26，根据模型自动匹配或自定义 玩家数：2 / 3 / 4 / 6 / 8 移动规则：普通移动、跳跃、连跳、两格跳、自由停、强制跳到底 游戏模式：中国跳棋、西洋跳棋（吃子）、混合模式 积分制：连跳、吃子、进目标区、胜利奖励，可配置开关 3D 前端：HTML + Three.js，渲染、合法路径高亮、AI 自动对弈、回放、中英文切换 后端：Python + FastAPI，HTTP API 和纯后端 GameEnv AI 研究：airesearch/ 基准评测，支持批量对局、指标统计、时间戳归档 一个初步发现 同一个 MCTS 搜索算法放在 A / B / C / D 四种几何模型上，路径选择会系统性不同： A / D：MCTS 更容易找到更短路径 B / C：MCTS 更容易走长连跳，detour 更高 这说明几何结构本身就会影响 AI 的空间规划策略。 完整报告：docs/11-cross-geometry-discovery.md AI / 研究接口 外部程序可以通过 Python 接口直接驱动游戏： python from backend.game.config import PolyJumpConfig from backend.game.env import GameEnv config = PolyJumpConfig(geometry="B", bradius=6, players=2) env = GameEnv(config) obs = env.reset() while not obs.done: actions = obs.legalactions 接入你的 AI：MCTS / RL / LLM Agent 等 action = actions[0] obs = env.executeaction(action) airesearch/ 提供不依赖前端的批量评测，目前包含： random / manhattan / euclidean / chebyshev / graphbfs MCTS 搜索 baseline PettingZoo AEC 包装（fullaction / primitive） 输出胜率、action/step 指标、路径距离、目标区进出指标，结果归档到 airesearch/runs/<时间戳>/。 快速开始 bash pip install -r requirements.txt python run.py

收录记录

1. HelloGitHub·用户投稿

   2026年9月7日 · 1 次收录

2. 阮一峰周刊·用户投稿

   2026年9月7日 · 1 次收录