AI SDK平台
AI SDK平台 是一个基于游戏图像来开发游戏AI的开源工具包。工具包主要完成了UI检测,游戏内元素识别,AI算法(DQN,IM)等功能。可以基于这个工具包完成游戏自动化测试。目前已支持的游戏类型有跑酷类,吃鸡类,射击类,MOBA类等。
工具包主要包括AI SDK,AI Client,SDKTool(配置文件工具)这几部分。
SDKTool帮助我们生成跟具体游戏相关的AI SDK所需要配置文件。如游戏运行过程中,整个流程中需要动作交互的UI,需要识别的游戏元素等。AI开发过程中用到的信息可来自于游戏图像(AI Client获取)或其他数据。AI SDK能够自动化完成游戏UI操作并进入游戏场景,像玩家一样操作手机玩游戏。
图 1 AI SDK 模块图
其中AI SDK部分主要包括AI Clinet模块, MC模块,IO模块, UI模块, GameReg模块,AI模块。
-
AI Client主要与手机端交互,获取游戏图像,并执行UI或AI输出的动作
-
IO模块与AI Client交互,作为AI SDK的数据输入输出控制
-
MC模块与IO模块交互,将数据分发至AI SDK后端的UI和AI模块,并做一些业务逻辑的管理控制
-
UI模块根据游戏图像,识别出需要进行的UI操作
-
GameReg模块根据游戏图像,识别出游戏场景内的数字、血条、目标物等元素
-
AI模块根据识别到的游戏元素,根据AI算法执行业务逻辑
图 2 架构图
[TOC]
1 环境部署
运行AI SDK中的demo,首先需要安装依赖,然后本地PC机都需要连接手机(或手机模拟器),通过AI Client实时采集手机(或手机模拟器)的游戏画面,并传给AI服务去处理。并把AI服务处理的动作结果反馈到连接PC的手机上,完成动作的交互。
图3 AI SDK和手机的交互图
部署依赖环境
部署依赖环境主要是安装AI SDK, SDKTool(配置文件生成工具), AI Client 的环境依赖。
Ubuntu:
目前SDK工具包运行在16.04的64位 Ubuntu 系统上,使用的深度学习框架为tensorflow ,所以使用前需要安装依赖的ubuntu系统和相应的依赖第三方工具包,如tensorflow、opencv、protobuf等。
环境主要依赖nvdia-cuda 9.0, cudnn 7.0, opencv 3.4.2, protobuf 3.2.0, android adb,poster工具集等依赖包。具体请参考依次安装依赖项说明。
Windows:
SDK包下自带要安装的依赖包文件“requirements.txt”,所以windows下只需要安装“requirements.txt”中的依赖。详见windows环境依赖安装。
2 快速开始
SDK 怎么自动玩游戏的呢?平台内置了 <天天酷跑>的例子,让我们一睹为快。
图4 左图为未训练随机做动作,右图是训练好的效果
运行Demo
本地运行主要分为以下几步:
Ubuntu:
-
Step1:编译AISDK
进入game_ai_sdk目录,将SDK编译成GPU或CPU版本,详细内容请参考文档Ubuntu编译AISDK。
-
Step2:安装apk
请自行在APP商店中下载天天酷跑的APK,本次使用的游戏APK版本为“1.0.78.0.3”
-
Step3:启动
启动AIClient 和 AISDK服务。详细内容请参考启动。
Windows:
- Step1:编译AISDK
进入game_ai_sdk目录,将SDK编译成GPU或CPU版本,详细内容请参考文档Windows编译AISDK。
-
Step2:安装apk
请自行在APP商店中下载天天酷跑的APK,本次使用的游戏APK版本为“1.0.78.0.3”
-
Step3:启动
启动AIClient 和 AISDK服务。详细内容请参考启动。
3 配置文件工具SDK Tool
在第2章我们介绍了如何运行一个内置的游戏AI,那么我们如何从零开始接入一个新的项目呢?首先我们需要生成跟具体游戏相关的配置文件。如控制游戏运行流程的UI界面(UI配置),进入游戏场景后,AI所需要识别的游戏场景元素(场景识别配置)等。工具包AI SDK Tool可以协助用户去生成这些配置文件。运行SDK Tool工具的方法如下:
进入SDKTool 目录,运行SDK Tool
cd game_ai_sdk/tools/SDKTool //进入到SDKTool目录下
python main.py // 启动SDKTool
图 5 SDKTool界面介绍
-
UI配置
游戏运行过程中,有些需要玩家交互点击Button,配置好流程中的这些UI界面和需要点击的位置后,AI即可以像玩家一样在相应的界面点击相应的位置。方便用户的自动化测试或是其他需要自动化进入游戏的需求。详细内容,请见 UI配置文件说明。配置完成后,生成文件 SDKTool/project/{gameName}/v1.0/jsonFile/UIConfig.json。用户需要把这此文件拷贝到game_ai_sdk/cfg/task/ui目录下。同时需要把样本图像目录SDKTool/project/ActionCfg/v1.0/data 拷贝到工程目录 game_ai_sdk/data下。
-
场景识别配置
根据所选择的游戏场景,设置所需要的识别任务。如QQ飞车中的数字,左下角的道具,向左转向的按钮,向右转向的按钮等。场景配置文件可配置的识别类型主要包括固定位置的物体识别(fix object),形变物体识别(deform object),数字识别(number),卡住判断(stuck),基于像素值的筛选(pixel),固定血条的识别(fix blood),不固定血条的识别(deform blood)等。具体参数说明,请见任务配置文件说明。配置完成后,生成文件 SDKTool/project/gameName/v1.0/jsonFile/task.json和refer.json。用户需要把这两个文件拷贝到game_ai_sdk/cfg/task/gameReg 目录下。同时需要把样本图像目录SDKTool/project/ActionCfg/v1.0/data拷贝到工程目录 game_ai_sdk/data下。图像识别进程根据配置项做处理后,把结果返回给Agent,Agent可以根据游戏元素的识别结果编写相应的AI逻辑。识别类型配置说明以及返回结果示例请见文档图像识别进程识别类型介绍。
4 项目接入
通过第三章我们了解了配置文件工具的功能,那么我们完整接入一个新的项目,需要哪些步骤呢?以<天天酷跑>为例,我们介绍接入新项目的具体步骤。
- Step1: 配置游戏过程UI
详细内容请见项目接入-UI配置。
-
Step2: 采集样本,训练识别模型(可变物体的识别算法需求,此步骤为可选步骤,<天天酷跑>不需要此步骤)
有些识别任务(如可变物体的识别)需要训练网络模型。目前平台内置了YOLO识别算法。我们需要先采集图像样本,并对这些样本进行标注,然后基于这些标注样本去训练YOLO模型。详细过程请参考图像标注和YOLO模型训练说明。
-
Step3: 选择AI算法
平台内置的AI算法有DQN,IM(模仿学习),用户可以根据需求选择AI算法
-
模仿学习
-
录制AI样本,并训练AI(模仿学习算法需求,此步骤为可选步骤,<天天酷跑>采用模仿学习算法,需要此步骤)详细内容请见项目接入-录制样本及模型训练
-
选择模仿学习算法
模仿学习配置请参考模仿学习配置说明。
-
-
DQN
-
训练模型 请参考DQN模型训练。
-
DQN配置请参考 DQN强化学习配置说明。
-
-
-
Step4: 运行SDK
准备工作就绪后,运行SDK,看看我们的AI是怎么玩新游戏的吧。具体内容请见Ubuntu环境: 运行, Windows环境: 运行。
5 二次开发
如果有更高阶的需求,比如现有的AI算法不能满足需求,如何加入自己的AI呢?想增加新的检测或识别算法,该怎么加入到整体框架上? 那么您可以增加和修改源码,并欢迎上传到git。
6 调试技巧
在用工具的时候,可能会遇到一些问题,如图像匹配有偏差等问题,请详见文档 调试技巧说明 。
7 技术交流
欢迎加入QQ群 1095989343 进行交流。
关于WeTest
腾讯WeTest是由腾讯官方推出的一站式品质开放平台。十余年品质管理经验,致力于质量标准建设、产品质量提升。腾讯WeTest为移动开发者提供兼容性测试、云真机、性能测试、安全防护、企鹅风讯(舆情分析)等优秀研发工具,为百余行业提供解决方案,覆盖产品在研发、运营各阶段的测试需求,历经千款产品磨砺。金牌专家团队,通过5大维度,41项指标,360度保障您的产品质量。 详情点击:https://wetest.qq.com