用 TensorFlow Lite 在移动端部署强化学习模型

项目背景

我们希望 NPC 决策能在手机端本地运行，减少联网依赖，并控制推理延迟。

技术选型

• 训练：Python + 自定义环境
• 导出：SavedModel → TFLite
• 运行时：Unity / 原生侧通过插件调用

核心方案

先做 float32 基线，再 INT8 量化；用同一套测试关卡对比胜率与帧耗时。

模型能跑起来不等于能上线。延迟、功耗与策略稳定性需要一起验收。

总结

移动端 RL 部署的关键是「够用且稳定」，而不是追求最大模型。