Project Icon

auto-maple

精确和智能的Python机器人,用于自动化MapleStory游戏操作

Auto Maple是一款智能Python机器人,使用模拟按键、TensorFlow机器学习、OpenCV模板匹配及其他计算机视觉技术自动执行MapleStory游戏操作。它支持命令书机制和例程文件编译,精准跟踪玩家位置并优化游戏路径,还能自动解决游戏中的谜题。详细的设置和安装指南可帮助用户轻松部署提升游戏体验。

项目介绍

Auto Maple 是一个智能的 Python 机器人,专为玩《冒险岛》这款 2D 横版 MMORPG 而设计。它通过模拟键盘按键、使用 TensorFlow 进行机器学习、OpenCV 模板匹配及其他计算机视觉技术来实现操作。《冒险岛》玩家可以利用社区创建的资源,如命令书和各个地图的例程,这些资源存储在项目的资源库中。

小地图

Auto Maple 使用 OpenCV 模板匹配来确定游戏小地图的边界及其内各种元素,从而准确追踪玩家在游戏中的位置。如果将 record_layout 设置为 True,Auto Maple 会记录玩家的先前位置,并将其保存到 "layouts" 目录中的一个四叉树结构的布局对象中。每次加载新例程时,都会加载其对应的布局文件(如果存在)。该布局对象利用 A 搜索算法* 从玩家到目标位置计算最短路径,从而大大提高例程执行的准确性和速度。

命令书

Auto Maple 以模块化为设计理念,可以在游戏中操作任何角色,只要提供一份游戏内动作列表,即"命令书"即可。命令书是一个 Python 文件,包含多个类,每个类对应一个游戏内的能力,告诉程序应该按下哪些键以及何时按下。当命令书被导入时,其类会自动编译成一个字典,Auto Maple 可以利用这个字典在例程中解释命令。命令可以访问 Auto Maple 的所有全局变量,从而使其能够根据玩家的位置和游戏状态动态改变行为。

例程

例程是用户创建的 CSV 文件,它告诉 Auto Maple 需要在何处移动以及在每个位置使用哪些命令。Auto Maple 的自定义编译器会解析选定的例程,并将其转换为可供程序执行的 Component 对象列表。对于每行包含无效参数的情况,都会打印错误信息,并在转换时忽略这些行。

以下是最常用的例程组件总结:

  • Point:存储直接在其下方的命令,并在角色位于指定位置的 move_tolerance 范围内时按顺序执行这些命令。还有一些可选的关键字参数:

    • adjust:在执行任何命令之前,微调角色的位置以在目标位置的 adjust_tolerance 内。
    • frequency:指示 Point 执行的频率。如果设置为 N,该 Point 将每 N 次迭代执行一次。
    • skip:指示 Point 是否在第一次迭代中运行。如果设置为 True 并且频率为 N,该 Point 将在第 N-1 次迭代中执行。
  • Label:作为参考点,有助于将例程组织成部分或创建循环。

  • Jump:从例程中的任何地方跳转到给定的标记。

  • Setting:更新指定设置为给定值。可以放置在例程中的任何地方,因此同一例程的不同部分可以有不同的设置。

符文

Auto Maple 能够自动解决游戏中的“符文”或箭头键谜题。首先它使用 OpenCV 的颜色滤镜和 Canny 边缘检测 算法来隔离箭头键,并尽可能地减少背景噪音。然后,Auto Maple 使用定制训练的 TensorFlow 模型对预处理帧进行多次推断,直到两次推断结果一致。由于这种预处理,Auto Maple 在解决各种环境(通常是丰富多彩且混乱)的符文时极其准确。

设置

要设置 Auto Maple,需要下载并安装以下程序和文件:

  1. 安装 Python3
  2. 安装最新版本的 CUDA 工具包
  3. 安装 Git
  4. 下载并解压最新版本的 Auto Maple 发行版。
  5. 下载 TensorFlow 模型 并将 "models" 文件夹解压到 Auto Maple 的 "assets" 目录中。
  6. 打开 Auto Maple 主目录中的命令提示符,运行 python -m pip install -r requirements.txt
  7. 最后,运行 python setup.py 创建桌面快捷方式。如果移动了 Auto Maple 的主目录,需要再次运行 python setup.py 生成新的快捷方式。

通过完成以上步骤,玩家就可以使用 Auto Maple 机器人在《冒险岛》中自动执行复杂的游戏动作,提高游戏效率。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号