Simulation Model Generation & Packaging Pipeline (NLP to ZIP)

1. 技能概述 (Overview)

本技能定义了从 自然语言描述 到最终 LaViC 标准模型资产包 (.zip) 的全自动化生成流水线。该流程不仅适用于无人机，也适用于车辆、船舶、导弹等其他仿真实体。

核心目标："One Prompt to Simulation Model" —— 输入一段描述，输出一个可直接导入 LaViC 系统的标准 ZIP 包。

2. 标准流水线 (Pipeline Steps)

2.1 步骤一：模型定义与生成 (Definition & Generation)

• •输入: 自然语言描述（例如：“一辆最大速度 80km/h 的装甲侦察车，配备光电传感器”）。
• •处理:
  • •JSON 构建: 基于 src/AI生成AgentData代码参考/ 中的逻辑，利用 LLM 提取属性，构建 AgentData.json。
  • •Schema 校验: 使用 src/validator.py 验证生成的 JSON 是否符合 AgentData_schema.json。
• •输出: 基础 agent.json 文件。

2.2 步骤二：资产获取与生成 (Asset Acquisition)

根据模型类型自动准备三类核心资源：

1. •缩略图 (Thumbnail):
   • •来源：Web Search (必须使用 Web Research Server MCP)。
   • •策略：风格一致性与质量优选 (Style Consistency & Quality Selection)。
     • •强制要求：必须确保搜索到合适的图片，不得使用无效或低质量占位符。若 Web Research Server 返回结果不佳，需优化搜索词重新尝试。
     • •对每个模型搜索 3-5 张候选图片。
     • •风格标准 (Style Guidelines)：
       • •优先风格：3D 渲染图 (3D Studio Render) > 干净背景实拍图 (Clean Photo) > 实拍图 (Real Photo)。
       • •背景要求：优先选择 白色、灰色 (Studio Grey) 或 透明 背景，避免复杂环境干扰。
       • •视角要求：优先选择 3/4 等轴侧视图 (Isometric/3/4 View)，其次为 正侧视图 (Side View)。此视角最利于展示模型立体感及后续 3D 生成。
     • •优选标准：
       • •清晰度高：分辨率 > 800px (宽或高)。
       • •主体完整：车辆主体在图片中占比适中，无严重遮挡。
     • •自动化：脚本下载所有候选图，通过文件大小和分辨率算法自动择优（例如：优先选分辨率最大且文件体积适中的图片）。
   • •格式：PNG/JPG。
   • •命名：{ModelName}.png。
2. •军标 (Military Symbol):
   • •工具：src/gen_mil_symbols.py (基于 military-symbol 库)。
   • •标准：NATO APP-6(D)。
   • •命名：{ModelName}_mil.png。
3. •3D 模型 (3D Model):
   • •来源：Rodin (AI生成) / Blender / 现有库。
   • •格式：GLB。
   • •命名：{ModelName}_AI_Rodin.glb。

2.3 步骤三：资产标准化处理 (Asset Standardization)

[严格执行] 必须对 3D 模型进行几何修正，确保在 LaViC 场景 (Y-Up 坐标系) 中姿态正确。此步骤不可省略。

• •

  修正逻辑 (必须按顺序执行):

  1. •坐标轴修正 (Z-Up -> Y-Up): 绕 X 轴旋转 -90°。
  2. •朝向修正 (Facing Correction): 绕 Y 轴 (即新坐标系下的垂直轴) 旋转 180°。
  • •结果验证: 模型应正立 (Y轴向上)，且机头/车头朝向正确 (通常对应 Y 轴旋转 180 度后的方向)。
• •

  实现方式:

  • •Python (推荐): 使用 trimesh 库直接处理 GLB 文件 (参考 src/fix_glb_rotation.py)。
  • •Blender: 使用 bpy 脚本处理。
  • •注意: 若使用 trimesh，请确保先执行 X 轴旋转，再执行 Y 轴旋转。

2.4 步骤四：目录结构与配置 (Structure & Configuration)

• •目录规范:
  text

  models/
  └── {ModelName}/            # 独立模型文件夹
      ├── agent.json          # 配置文件
      └── {ModelName}/        # 资源子文件夹
          ├── {ModelName}.png
          ├── {ModelName}_mil.png
          ├── {ModelName}_AI_Rodin.glb
  

• •配置修复 (Configuration Fixes):
  • •脚本：src/fix_and_zip_models.py 或生成脚本内部逻辑。
  • •[严格执行] 必须更新以下所有字段，严禁遗漏:
    1. •根级字段: agentName, modelUrlSlim, modelUrlFat, modelUrlSymbols。
    2. •嵌套 model 对象 (关键): 必须同步更新 model 对象内部的以下字段，不可保留模板默认值：
       • •model.modelName: 必须与根级 agentName 一致。
       • •model.thumbnail: 必须指向 {ModelName}/{ModelName}.png。
       • •model.mapIconUrl: 必须指向 {ModelName}/{ModelName}_mil.png。
       • •model.dimModelUrls: 必须指向 {ModelName}/{ModelName}_AI_Rodin.glb。
    • •路径格式: 所有资源引用必须使用相对路径 "{ModelName}/{Filename}"。

2.5 步骤五：最终打包 (Final Packaging)

• •工具: src/zip_models.py (被 fix_and_zip_models.py 调用)。
• •要求:
  • •格式: .zip。
  • •编码: UTF-8 (必须支持中文文件名)。
  • •结构: Flat Structure (扁平化)。
    • •错误：ZIP -> {ModelName}/ -> agent.json
    • •正确：ZIP -> agent.json, {ModelName}/ (资源文件夹)
• •产物: models/{ModelName}.zip。

3. 核心脚本工具箱 (Toolbox)

4. 扩展指南 (Extension Guide)

若要支持新类型的模型（如“潜艇”）：

1. •JSON 生成: 确保 agentType 和 dynamics 选择正确（如 HydroDynamics）。
2. •军标生成: 在 gen_mil_symbols.py 中添加对应的 SIDC 代码映射。
3. •3D 模型: 获取潜艇 GLB 模型，并运行 Blender 脚本修正坐标。
4. •执行打包: 运行 python src/fix_and_zip_models.py 即可自动完成修复与打包。