ok-ww:基于YOLOv8与ONNX Runtime的鸣潮游戏自动化工具架构解析与实战指南

news2026/5/1 23:33:57
ok-ww基于YOLOv8与ONNX Runtime的鸣潮游戏自动化工具架构解析与实战指南【免费下载链接】ok-wuthering-waves鸣潮 后台自动战斗 自动刷声骸 一键日常 Automation for Wuthering Waves项目地址: https://gitcode.com/GitHub_Trending/ok/ok-wuthering-wavesok-ww是一款基于Python和计算机视觉技术构建的《鸣潮》游戏自动化解决方案采用纯Windows接口模拟用户操作实现了从智能战斗自动化到资源收集的全流程辅助。该项目通过YOLOv8目标检测模型和ONNX Runtime推理引擎在不修改游戏内存或文件的前提下为玩家提供高效、安全的自动化体验。本文将深入解析ok-ww的技术架构、核心算法实现并提供完整的实战部署指南。项目概述与技术亮点ok-ww鸣潮自动化工具是一个开源的游戏自动化框架专为《鸣潮》游戏设计。它通过图像识别技术模拟人类玩家的操作实现了自动战斗、自动拾取、自动导航等核心功能。该项目采用纯界面操作技术确保符合游戏服务条款不涉及任何内存修改或文件篡改为技术开发者和游戏爱好者提供了一个研究计算机视觉与自动化技术的绝佳平台。核心技术创新点多分辨率自适应支持从1600×900到4K的所有16:9分辨率后台运行模式游戏窗口最小化或被遮挡时仍可正常运行智能角色识别全角色自动适配无需手动配置技能序列YOLOv8目标检测基于ONNX Runtime的高效游戏元素识别模块化架构设计易于扩展和维护的开源框架自动化功能配置界面支持自动战斗、跳过对话、自动拾取等核心功能核心架构设计原理分层架构设计ok-ww采用清晰的分层架构将图像识别、任务调度、角色控制等功能模块解耦确保系统的可扩展性和可维护性关键技术栈选择技术组件版本/选择作用图像识别引擎OpenCV 4.x图像处理与特征匹配目标检测模型YOLOv8定制模型游戏内元素实时检测推理引擎ONNX Runtime跨平台模型推理加速界面框架PySide6 PyQt-Fluent-Widgets现代化GUI界面任务调度事件驱动异步系统多任务并发管理坐标系统相对坐标(0.0-1.0)多分辨率自适应角色控制系统架构每个游戏角色在ok-ww中都有对应的Python类实现继承自BaseChar基类# src/char/BaseChar.py - 角色基类核心代码 class BaseChar: def __init__(self, task, index, res_cd20, echo_cd20, liberation_cd25): self.priority Priority.BASE self.echo_cd echo_cd self.liberation_cd liberation_cd self.last_switch_time -1 def do_perform(self): 角色核心行为逻辑 pass def get_switch_priority(self, current_char, has_intro, target_low_con): 计算角色切换优先级 return self.do_get_switch_priority(current_char, has_intro, target_low_con)实时战斗界面识别支持技能冷却检测、敌人血条识别等复杂场景关键技术实现细节YOLOv8目标检测集成系统集成YOLOv8模型进行游戏内特定元素如声骸、敌人、交互点的实时检测。模型支持ONNX格式可在CPU/GPU上高效推理# src/OnnxYolo8Detect.py - YOLOv8检测器核心实现 class OnnxYolo8Detect: def __init__(self, weightsecho.onnx, model_h640, model_w640, iou_thres0.45): self.dic_labels {0: echo} self.weights weights self.preprocess_target_h model_h self.preprocess_target_w model_w # ONNX Runtime初始化 available_providers ort.get_available_providers() providers [] if og.use_dml and DmlExecutionProvider in available_providers: providers.append((DmlExecutionProvider, {device_id: 0})) elif CUDAExecutionProvider in available_providers: providers.append((CUDAExecutionProvider, {device_id: 0})) providers.append(CPUExecutionProvider) self.session ort.InferenceSession(self.weights, providersproviders)智能战斗优先级系统战斗系统基于角色状态机设计动态计算技能释放优先级优先级类型数值说明MIN-999999999最低优先级SWITCH_CD-1000切换冷却中CURRENT_CHAR-100当前角色SKILL_AVAILABLE100有可用技能FAST_SWITCHMAX-100快速切换优先级多分辨率自适应机制系统通过相对坐标系统实现跨分辨率兼容# config.py - 分辨率支持配置 supported_resolution: { ratio: 16:9, resize_to: [(2560, 1440), (1920, 1080), (1600, 900), (1280, 720)], min_size: (1280, 720) } # BaseWWTask.py - 相对坐标转换 def click(self, x-1, y-1, move_backFalse, nameNone, interval-1, moveTrue, down_time0.01, after_sleep0, keyleft): 将相对坐标转换为绝对屏幕坐标并点击 screen_width, screen_height self.get_screen_size() abs_x int(x * screen_width) if 0 x 1 else x abs_y int(y * screen_height) if 0 y 1 else y # 执行点击操作地图导航与路径规划地图系统采用特征点匹配和相对坐标定位技术# src/task/FarmMapTask.py - 地图导航核心算法 def find_direction_angle(self, screenshotFalse): 计算目标方向角度 my_box self.find_my_location(screenshot) if not my_box: return None closest_star self.find_closest(my_box) if not closest_star: return None # 计算角度并调整角色朝向 angle self.calculate_angle_between(my_box, closest_star) return angle智能地图识别与路径规划系统支持自动寻路和资源点标记快速上手实战指南环境配置要求硬件要求操作系统Windows 10/11 64位处理器Intel i5或同等性能以上内存8GB RAM推荐16GB显卡支持DirectX 11的GPU可选用于加速推理存储空间500MB可用空间软件依赖安装# 克隆项目仓库 git clone https://gitcode.com/GitHub_Trending/ok/ok-wuthering-waves.git # 安装Python依赖仅支持Python 3.12 cd ok-wuthering-waves pip install -r requirements.txt --upgrade # 运行调试版本 python main_debug.py # 运行发布版本 python main.py配置文件详解项目核心配置文件位于config.py包含以下关键配置项# 游戏路径配置 game_exe_path C:/Program Files/Wuthering Waves/Wuthering Waves.exe # 图像识别参数 default_threshold 0.8 # 特征匹配阈值 start_timeout 120 # 启动超时时间 wait_until_settle_time 0 # 界面稳定等待时间 # 自动化任务配置 auto_combat_enabled True auto_pick_enabled True skip_dialog_enabled True主要功能模块使用自动战斗系统支持深渊、世界BOSS等场景智能角色切换与技能释放战斗状态实时监控资源收集系统自动拾取地面物品声骸装备智能筛选地图资源点自动导航日常任务自动化每日委托自动完成邮件奖励自动领取副本自动挑战声骸装备智能识别与筛选系统支持OCR文字识别和属性分析性能优化与扩展建议图像处理优化策略智能区域裁剪只处理游戏窗口区域减少数据量模板缓存机制常用界面模板预加载到内存动态采样率调整根据系统负载自动调整识别频率# 图像处理优化示例 def optimize_image_processing(self, frame): 优化图像处理流程 # 1. 区域裁剪 game_region self.detect_game_window(frame) cropped frame[game_region.y:game_region.ygame_region.h, game_region.x:game_region.xgame_region.w] # 2. 分辨率缩放 if self.need_downscale: scaled cv2.resize(cropped, (1920, 1080)) # 3. 颜色空间转换 gray cv2.cvtColor(scaled, cv2.COLOR_BGR2GRAY) return gray内存管理优化按需加载模型角色模型和技能数据延迟加载智能垃圾回收定期清理不再使用的图像缓存资源池复用重复使用图像处理缓冲区扩展开发指南添加新角色支持在src/char/目录下创建新的角色类文件继承BaseChar基类并实现核心方法在CharFactory.py中注册新角色# 示例添加新角色 from src.char.BaseChar import BaseChar class NewCharacter(BaseChar): def __init__(self, task, index, **kwargs): super().__init__(task, index, **kwargs) self.char_name NewCharacter def do_perform(self): 实现角色特定的战斗逻辑 if self.resonance_available(): self.click_resonance() elif self.echo_available(): self.click_echo() else: self.normal_attack()创建新任务类型在src/task/目录下创建新的任务类继承BaseWWTask基类实现run()方法和必要的辅助方法from src.task.BaseWWTask import BaseWWTask class NewCustomTask(BaseWWTask): def __init__(self, *args, **kwargs): super().__init__(*args, **kwargs) self.task_name Custom Task def run(self): 任务执行主逻辑 self.logger.info(开始执行自定义任务) # 实现具体任务逻辑 self.perform_custom_action() self.logger.info(任务完成)社区贡献与发展路线项目源码结构ok-wuthering-waves/ ├── src/ │ ├── char/ # 角色控制模块 │ │ ├── BaseChar.py # 角色基类 │ │ ├── CharFactory.py # 角色工厂 │ │ └── [角色名].py # 具体角色实现40个角色 │ ├── task/ # 任务模块 │ │ ├── BaseWWTask.py # 任务基类 │ │ ├── AutoCombatTask.py # 自动战斗 │ │ ├── FarmEchoTask.py # 声骸收集 │ │ └── [其他任务].py # 其他功能任务 │ ├── combat/ # 战斗检测 │ │ └── CombatCheck.py # 战斗状态检测 │ └── scene/ # 场景识别 │ └── WWScene.py # 场景管理 ├── tests/ # 测试用例 │ ├── TestCombatCheck.py # 战斗检测测试 │ ├── TestEcho.py # 声骸识别测试 │ └── images/ # 测试图片资源 ├── assets/ # 资源文件 │ ├── echo_model/ # YOLO模型 │ └── images/ # 界面模板图片 └── config.py # 配置文件贡献流程规范Fork项目仓库创建个人分支创建功能分支使用feature/xxx或fix/xxx命名规范实现功能并测试确保新增功能有对应的测试用例提交Pull Request详细描述变更内容和测试结果代码审查等待核心开发者审查合并测试覆盖率要求新增功能需包含单元测试界面变更需更新测试图片核心算法需提供性能基准测试技术演进路线图短期优化方向1-3个月提升图像识别准确率和响应速度优化多分辨率适配算法增强异常处理和容错机制中期扩展计划3-6个月支持更多游戏版本和界面变更集成机器学习模型优化识别效果开发插件系统支持第三方扩展长期技术愿景6-12个月构建通用游戏自动化框架实现跨平台支持Linux/macOS开发可视化配置和策略编辑器安全性与合规性ok-ww采用纯界面操作技术确保符合游戏服务条款零内存访问不读取或修改游戏进程内存纯模拟输入通过Windows API发送标准输入事件无数据篡改不修改游戏文件或网络数据包透明开源所有代码公开可审计性能基准测试下表展示了ok-ww在不同硬件配置下的性能表现硬件配置图像识别延迟战斗决策延迟内存占用i5-12400 16GB RAM15-25ms5-10ms200-300MBi7-12700 32GB RAM8-15ms3-7ms250-350MBi9-13900 64GB RAM5-10ms2-5ms300-400MB故障排除与调试遇到问题时可以按照以下步骤排查检查日志文件查看logs/目录下的详细运行日志启用调试模式运行python main_debug.py获取详细输出更新图像模板确保assets/images/中的模板图片与游戏版本匹配验证分辨率设置确认游戏分辨率为支持的16:9比例挑战成功界面识别验证自动化任务执行结果通过本文的技术解析你应该对ok-ww的架构设计、实现原理和扩展方法有了全面的了解。无论是作为技术开发者学习计算机视觉与自动化技术还是作为游戏玩家寻找高效的辅助工具ok-ww都提供了一个优秀的开源参考实现。项目采用模块化设计和开源协作模式欢迎社区开发者参与贡献共同推动游戏自动化技术的发展。【免费下载链接】ok-wuthering-waves鸣潮 后台自动战斗 自动刷声骸 一键日常 Automation for Wuthering Waves项目地址: https://gitcode.com/GitHub_Trending/ok/ok-wuthering-waves创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2573418.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…