このマウスはFPSゲームのプレイ方法を自ら学習し、トレーニングの精度はプロのプレイヤーと同等です。

このマウスはFPSゲームのプレイ方法を自ら学習し、トレーニングの精度はプロのプレイヤーと同等です。

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載しています。転載の際は出典元にご連絡ください。

禁止されることなく自動的に狙いを定めて「正確にヒット」できる FPS プラグインを見たことがありますか?

実は、FPS ゲームでマウスを「スナイパー」に変えた CMU の大学院生がいるのです!

4 つのホイールを取り付けると、マウスは CV アルゴリズムからのフィードバックに基づいて自動的に狙いを定め、ワンショット スナイピングを実現できます。

これまでも物理的なプラグインはいくつかありましたが、マウスを動かして自動的に撮影を完了できるほど自動化されていませんでした。

サードパーティのソフトウェア変更やその他のプラグインを使用すると、アカウントが直接ブロックされる可能性が非常に高くなります。

彼は考えた末、ターゲットを自動で狙えるFPS物理プラグインを開発した。現在、彼のトレーニング場Aim Labでの成績は、一部のFPSプロプレイヤーを上回っている。

人間の FPS エキスパートの平均スコアは 80,000 ~ 90,000 ポイント程度ですが、このゲームは110,000 ポイント以上を獲得しました。

これを読んだネットユーザーの中には、「全然簡単じゃない」と言う人もいました。コードを書いたことがある人にとって、これは思ったほど簡単ではないのです。

それで、彼はどうやってそれをやったのでしょうか?

マウスをスナイパーに変身させよう

マウスが自ら狙いを定めることを「学習」できるようにするために、この人はまずマウスのシャーシを設計しました。

彼の構想では、シャーシはマウスで柔軟に動くはずであり、その原理はおそらく次のようになります。

アイデアが形成された後、シャーシには最終的に 4 つの全方向ホイールと対応する制御モーターが使用されました。

簡単に言えば、全方向の全方向車輪により、ロボットは直線歩行を含め、あらゆる方向に柔軟に移動することができ、これらの車輪は異なるモーターによって制御されます。

基本的な移動操作が実装された後、次のステップは、コンピューター ビジョン アルゴリズムを使用して、「自分で獲物を見つける」ことを学習させることです。

私は OpenCV をベースにした Pythonターゲット検出アルゴリズムを作成し、ターゲットの位置に基づいて対応するターゲットを素早くターゲットするようにトレーニングしました。

視覚データのフィードバックから操作まで、このロボットはPID 制御アルゴリズムを使用して、指定された時間内により多くのオブジェクトを狙えるように、ロボットが最も近い「撮影ポイント」を自ら見つけることを学習させます。

物体を狙うと、ロボットは自動的にマウスの「クリック」アクションをトリガーし、自動射撃を完了します。

テストではプロ選手よりも優れた成績を収めた

ロボットの能力を高めるために、この男性はAim Labと呼ばれる一人称視点シューティングゲームシミュレーターでロボットを訓練した。

現在、多くのプロの FPS プレイヤーが Aim Lab でトレーニングを行っています。Aim Lab には、ヒューマノイドの移動ターゲット、飛行ターゲットなど、さまざまな種類の射撃タスクも含まれています。

男が訓練した「マウスロボット」は、主に色のついたボールを撃つために使用されます。視覚アルゴリズムが自動的に色のついた球を見つけ、ロボットがそれに従って狙いを定めて撃ちます。

2か月のアルゴリズムテストを経て、彼はついに満足のいくロボットをトレーニングすることに成功しました。このロボットは現在、Aim Labで118,494という最高スコアを獲得しており、多くのプロのFPSプレイヤーを上回っています。

△プロプレイヤーがスコアを公開

しかし、Aim Labの最高記録(146902ポイント)はまだ破られていない。

もう一つの理由は、最高得点に挑戦する過程で、速度が速すぎてシャーシのモーターが焼き切れてしまい、再び最高得点に挑戦できなくなったことです(手動ドッグヘッド)。

この物理プラグインを開発した人物は、 Kamal Carterという人物です。彼は CMU で学士号を取得し、現在は CMU で修士号取得を目指して勉強しています。また、Howie Choset 教授が設立した HEBI Robotics 社でも働いています。

本人によると、高校生の頃からロボットで遊び始め、現在は機械設計やCADなどを研究対象としているという。

一部のネットユーザーは、このロボットにはもっと良いマウスが必要だと冗談を言った。

しかし、ネットユーザーの中には、この男はそのような能力を持っているのだから、物理的なプラグインを使うのではなく、何か役に立つことをすべきだと考える人もいる。

それで、どう思いますか?

OpenCV ビジョンアルゴリズムチュートリアル:

https://docs.opencv.org/4.x/df/d9d/tutorial_py_colorspaces.html

<<:  人工知能、ブロックチェーン技術などが医療分野を改善している

>>:  2022 年に注目すべき主要なエッジ AI トレンド

ブログ    
ブログ    

推薦する

インダストリー4.0におけるインテリジェントロボットの影響

インダストリー 4.0 でスマート ロボットを活用すると、企業は自動化、柔軟性、効率性、安全性の向上...

あらゆるシーンのあらゆるもの: リアルなオブジェクトの挿入 (さまざまな運転データの合成に役立ちます)

あらゆるシーンのあらゆるもの: フォトリアリスティックなビデオオブジェクト挿入論文リンク: http...

AI時代が到来。プロの写真家は淘汰されるのか?

テクノロジー業界では、AI の進化により、プロの写真家を含む多くの仕事が置き換えられるだろうという意...

自動運転車の未来に関するレポート:乗用車の95%が消滅し、7兆ドルの旅行市場に4つの大きなチャンスがある

[[199334]]自動運転車は20年以内に世界経済を劇的に変え、保険、メディア、セキュリティ、物流...

AI の力: Docker による機械学習アプリケーションの導入とスケーラビリティの簡素化

翻訳者 |李睿レビュー | Chonglou近年、機械学習の応用が爆発的に増加しており、堅牢でスケー...

...

...

テクノロジーファイナンスからスマートファイナンスまで、民生銀行の革新的な人工知能の応用をご覧ください

[51CTO.comからのオリジナル記事] 「インターネット+」から「インテリジェンス+」まで、革新...

...

信頼できる AI はどのように発展すべきでしょうか?

現在、人工知能の応用範囲と深さは絶えず拡大しており、情報インフラの重要な部分になりつつあります。しか...

調査によると、人工知能ソフトウェア市場は2025年までに370億ドルに達すると予想されている。

Forrester は、2025 年までの市場規模をより現実的に把握するために、AI ソフトウェア...

PNASの新研究:ケンブリッジの学者らは、一部のAIモデルは計算できないことを発見した

最近、ケンブリッジ大学の学者たちは、米国科学アカデミー紀要(PNAS)に「安定かつ正確なニューラルネ...

...

Nvidiaの次世代GPUが発表、H100を超える!最初の3nmマルチチップモジュール設計は2024年にデビュー予定

3nmプロセス、H100をはるかに超える性能!つい最近、海外メディアのDigiTimesが、コードネ...

GNN の推奨システムとアプリケーション

1. GNN推奨システムの基礎となる計算能力の進化過去 20 年間にわたり、コンピューティングは進化...