auto maple

Автопл

Auto Maple-это интеллектуальный бот Python, который воспроизводит Maplestory, 2D-прокручивающий MMORPG, с использованием моделируемых нажатий клавиш, машинного обучения TensorFlow, соответствия шаблонов OpenCV и других методов компьютерного зрения.

Ресурсы, созданные сообществом, такие как командные книги для каждого класса и процедуры для каждой карты, можно найти в репозитории ресурсов .

Минимум

Auto Maple использует соответствие шаблонов OpenCV , чтобы определить границы минимума, а также различные элементы внутри него, что позволяет ему точно отслеживать в игровом игровом положении. Если record_layout установлен на True , Auto Maple будет записывать предыдущие позиции игрока в объекте Mayout на основе Quadtree , который периодически сохраняется в файле в каталоге «макеты». Каждый раз, когда загружается новая подпрограмма, его соответствующий файл макета, если она существует, также будет загружен. Этот объект макета использует алгоритм поиска A* в его сохраненных точках, чтобы вычислить кратчайший путь от игрока в любое целевое местоположение, что может значительно повысить точность и скорость, с которой выполняются процедуры.

Командные книги

_{Выше приведенное видео показывает автоплен, последовательно выполняющий механическую комбинацию способностей.}

Разработанный с учетом модульности, Auto Maple может управлять любым персонажем в игре, если он предоставляется списком внутриигровых действий или «командной книгой». Командная книга-это файл Python, который содержит несколько классов, по одному для каждой внутриигровой способности, которая сообщает программе, какие ключи он должен нажимать и когда нажимать на них. Как только командная книга импортируется, ее классы автоматически собираются в словаре, который затем может использовать Auto Maple для интерпретации команд в рутинах. Команды имеют доступ ко всем глобальным переменным Auto Maple, которые могут позволить им активно изменить свое поведение на основе позиции игрока и состояния игры.

Рутины

Нажмите здесь, чтобы просмотреть всю рутину.

Подпрограмма-это созданный пользователем файл CSV, который сообщает Auto Maple, где двигаться и какие команды использовать в каждом месте. Пользовательский компилятор в автоматическом кленовом режиме проходит через выбранную подпрограмму и преобразует его в список Component объектов, которые затем могут быть выполнены программой. Сообщение об ошибке напечатано для каждой строки, которая содержит неверные параметры, и эти строки игнорируются во время преобразования. Ниже приведена сводка наиболее часто используемых рутинных компонентов: Point хранит команды непосредственно под ним и выполнит их в этом порядке, как только символ находится в пределах move_tolerance указанного местоположения. Есть также пара дополнительных аргументов ключевых слов: adjust тонкие настройки позиции символа, чтобы находиться в пределах adjust_tolerance целевого местоположения перед выполнением любых команд. frequency говорит о том, как часто выполнять. Если установить на N, этот момент будет выполняться один раз каждые n итераций. skip говорит о том, бежать ли на первой итерации или нет. Если установить на True, а частота-N, эта точка будет выполняться на N-1-й итерации. Label действует как эталонная точка, которая может помочь организовать рутину в разделы, а также создать петли. Jump прыгают на данную этикетку из любой точки рутины. Setting обновлений указанной настройки для данного значения. Он может быть размещен в любом месте рутины, поэтому разные части одной и той же процедуры могут иметь разные настройки. Все редактируемые настройки можно найти в нижней части настроек.

Руны

Auto Maple имеет возможность автоматически решать «руны», или в игре клавиши стрелков. Сначала он использует алгоритмы цветовой фильтрации OpenCV и хитрый обнаружение краев, чтобы изолировать клавиши стрелка и уменьшить как можно больше фонового шума. Затем он выполняет множественные выводы на предварительно обработанных кадрах, используя специально обученную модели Tensorflow , пока два вывода не согласуются. Из -за этой предварительной обработки автомобильный клен чрезвычайно точен для решения рун во всех видах (часто красочных и хаотичных) средах.

Видео демонстрация

Нажмите ниже, чтобы посмотреть полное видео

Настраивать

1. Загрузите и установите Python3.
2. Загрузите и установите последнюю версию Cuda Toolkit.
3. Скачать и установить git.
4. Загрузите и расслабляйте последний выпуск Auto Maple.
5. Загрузите модель TensorFlow и расстегните разарки папки «Модели» в каталог Auto Maple «Assets».
6. Внутри основного каталога Auto Maple откройте командную строку и запустите:

    python -m pip install -r requirements.txt

7. Наконец, создайте сочетание рабочего стола, работая:

    python setup.py

   Этот ярлык использует абсолютные пути, поэтому не стесняйтесь перемещать его везде, где вы хотите. Однако, если вы перемещаете основной каталог Auto Maple, вам нужно будет запустить python setup.py снова, чтобы сгенерировать новый ярлык. Чтобы поддерживать командную строку открытой после закрытия Auto Maple, запустите вышеуказанную команду с флагом --stay .