教你用Python来玩跳一跳

2018 年 1 月 2 日 七月在线实验室
教你用Python来玩跳一跳

来源:https://github.com/wangshub/wechat_jump_game


2017 年 12 月 28 日下午,微信发布了 6.6.1 版本,加入了「小游戏」功能,并提供了官方 DEMO「跳一跳」。今天我们就试试用Python来玩跳一跳。

游戏模式

这是一个 2.5D 插画风格的益智游戏,玩家可以通过按压屏幕时间的长短来控制这个「小人」跳跃的距离。可能刚开始上手的时候,因为时间距离之间的关系把握不恰当,只能跳出几个就掉到了台子下面。 玩法类似于《flappy bird》

如果能精确测量出起始和目标点之间测距离,就可以估计按压的时间来精确跳跃。

注意:不要把分数刷太高,容易没朋友的……


工具介绍

  • Python 2.7

  • Android 手机

  • Adb 驱动

  • Python Matplot绘图


原理说明

  1. 将手机点击到《跳一跳》小程序界面;

  2. 用Adb 工具获取当前手机截图,并用adb将截图pull上来

adb shell screencap -p /sdcard/1.png
adb pull /sdcard/1.png .
  1. 用matplot显示截图;

  2. 用鼠标点击起始点和目标位置,计算像素距离;

  3. 根据像素距离,计算按压时间;

  4. 用Adb工具点击屏幕蓄力一跳;

adb shell input swipe x y x y time


如果你是 iOS:

  1. 运行安装好的 WebDriverAgentRunner

  2. 将手机点击到《跳一跳》小程序界面

  3. 打开python3 wechat_jump_iOS_py3.py

  4. 依次点击起始位置和目标位置,实现蓄力一跳

  5. 根据蓄力一跳的精准情况更改其中的 time_coefficient,直到获得最佳取值


步骤

  • 安卓手机打开USB调试,设置》开发者选项》USB调试

  • 电脑与手机USB线连接,确保执行adb devices可以找到设备id

  • 界面转至微信跳一跳游戏,点击开始游戏

  • 运行python wechat_junp_auto.py,如果手机界面显示USB授权,请点击确认

注:我的屏幕是1920*1080,距离系数为1.35,如果是别的分辨率,暂时需要修改一下代码中的距离系数.


实验结果

TODO

可以对拉上来的图片进行颜色分割,识别小人和目标中心店,这样就不需要手动点击自动弹跳。 

事实证明,AI 比人更会玩儿游戏。

七月在线【2018超级年会员】,专享更多实用有趣的人工智能项目:独享全年GPU,包揽2018年所有在线课程,真枪实战一整年。特别是:1月1日-7日,七月在线元旦大抢购,享受全年最低价,即可学到2019年2月底!


【七月在线2018超级年会员提供的服务】

1. 2018年所有在线课程,且独享全年总价值30万的GPU云服务,和整整一年的顶级师资、顶级人工智能完整课程体系;

2. 基于国内首个AI题库,进行专门的AI测评和考核,让学习不再盲目。预防/解决中年危机,避免被AI时代淘汰;

3. 超级年会员专属QQ群/微信群,专人通知上课,不错过任何好课;

4. 不定期免费公开课、免费干货分享,且博士和BAT技术主管专项答疑;

5. 来自BAT等各大互联网公司的工作机会优先推荐;

6. 超10万名AI学员圈子,无限上升的人脉。

(七月在线2018超级年会员部分课程)


此外,你做过什么好玩的AI项目呢,欢迎文末留言。

截止至1月5号(本周五)24:00,留言点赞数TOP5的小伙伴,可任选下面一本书免费带走哦!

数学:

1、《凸优化 [Convex Optimization] Stephen Boyd著》


算法:

2、《算法导论(原书第3版)》


求职:

3、July《编程之法:面试和算法心得》


Python:

4、Python基础教程(第2版 修订版)


机器学习 & 深度学习:

5、周志华《机器学习》

6、图灵新书《人工智能简史》

7、AI圣经《深度学习》

8、《TensorFlow机器学习项目实战》

9、《TensorFlow:实战Google深度学习框架》


NLP:

10、《统计自然语言处理(第2版)宗成庆 著》


版权声明:转载文章和图片均来自公开网络,版权归作者本人所有,推送文章除非无法确认,我们都会注明作者和来源。如果出处有误或侵犯到原作者权益,请与我们联系删除或授权事宜。 




元旦七天超级福利

登录查看更多
5

相关内容

Python是一种面向对象的解释型计算机程序设计语言,在设计中注重代码的可读性,同时也是一种功能强大的通用型语言。

这本教科书解释的概念和技术需要编写的程序,可以有效地处理大量的数据。面向项目和课堂测试,这本书提出了一些重要的算法,由例子支持,给计算机程序员面临的问题带来意义。计算复杂性的概念也被介绍,演示什么可以和不可以被有效地计算,以便程序员可以对他们使用的算法做出明智的判断。特点:包括介绍性和高级数据结构和算法的主题,与序言顺序为那些各自的课程在前言中提供; 提供每个章节的学习目标、复习问题和编程练习,以及大量的说明性例子; 在相关网站上提供可下载的程序和补充文件,以及作者提供的讲师资料; 为那些来自不同的语言背景的人呈现Python的初级读本。

成为VIP会员查看完整内容
0
96
小贴士
相关资讯
机器学习领域必知必会的12种概率分布(附Python代码实现)
算法与数学之美
16+阅读 · 2019年10月18日
5大必知的图算法,附Python代码实现
AI100
4+阅读 · 2019年9月10日
手把手教你用Python做一个哄女友神器,小白可上手
网易智能菌
4+阅读 · 2019年6月15日
用Python实现流行机器学习算法
Python程序员
10+阅读 · 2018年12月31日
实战 | 用Python做图像处理(二)
七月在线实验室
12+阅读 · 2018年5月25日
用 Python 和 OpenCV 来测量相机到目标的距离
炼数成金订阅号
5+阅读 · 2018年1月16日
免费|机器学习算法Python实现
全球人工智能
3+阅读 · 2018年1月2日
Python除了不会生孩子,其他的都会了!
全球人工智能
3+阅读 · 2017年11月9日
Python · SVM(三)· 核方法
机器学习研究会
7+阅读 · 2017年8月8日
相关VIP内容
专知会员服务
92+阅读 · 2020年6月29日
专知会员服务
115+阅读 · 2020年5月17日
【哈佛《CS50 Python人工智能入门》课程 (2020)】
专知会员服务
72+阅读 · 2020年4月12日
【电子书】深度学习入门 基于Python的理论与实现
专知会员服务
82+阅读 · 2020年3月21日
专知会员服务
96+阅读 · 2020年3月4日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
132+阅读 · 2020年2月21日
相关论文
A Survey on Bayesian Deep Learning
Hao Wang,Dit-Yan Yeung
40+阅读 · 2020年7月2日
A Survey on Edge Intelligence
Dianlei Xu,Tong Li,Yong Li,Xiang Su,Sasu Tarkoma,Pan Hui
21+阅读 · 2020年3月26日
A Simple BERT-Based Approach for Lexical Simplification
Jipeng Qiang,Yun Li,Yi Zhu,Yunhao Yuan
5+阅读 · 2019年7月16日
Feature Selection Library (MATLAB Toolbox)
Giorgio Roffo
3+阅读 · 2018年8月6日
Peter W. Battaglia,Jessica B. Hamrick,Victor Bapst,Alvaro Sanchez-Gonzalez,Vinicius Zambaldi,Mateusz Malinowski,Andrea Tacchetti,David Raposo,Adam Santoro,Ryan Faulkner,Caglar Gulcehre,Francis Song,Andrew Ballard,Justin Gilmer,George Dahl,Ashish Vaswani,Kelsey Allen,Charles Nash,Victoria Langston,Chris Dyer,Nicolas Heess,Daan Wierstra,Pushmeet Kohli,Matt Botvinick,Oriol Vinyals,Yujia Li,Razvan Pascanu
4+阅读 · 2018年6月4日
Akash Srivastava,Charles Sutton
6+阅读 · 2018年4月21日
Alon Talmor,Jonathan Berant
5+阅读 · 2018年3月18日
Hongmin Li,Luping Shi
8+阅读 · 2018年3月17日
Zhiyuan Xu,Jian Tang,Jingsong Meng,Weiyi Zhang,Yanzhi Wang,Chi Harold Liu,Dejun Yang
7+阅读 · 2018年1月17日
Ladislav Rampasek,Daniel Hidru,Petr Smirnov,Benjamin Haibe-Kains,Anna Goldenberg
3+阅读 · 2017年7月6日
Top