口を動かすだけで原神がプレイできる！ AIを使ってキャラクターを切り替えて敵を攻撃するネチズン「アヤカ、神里流フロストデストラクションを使って」

過去 2 年間で世界中で人気を博した国産ゲームといえば、間違いなく原神です。

5月に発表された今年第1四半期モバイルゲーム収益調査報告書によると、「原神」が5億6,700万ドルの絶対的な優位性を獲得し、カードを引くモバイルゲームの中で断然1位を獲得したことも発表された。 『原神』 》ローンチからわずか18か月で、モバイルプラットフォームだけでの総収益は30億米ドル（約130億リンギット）を超えました。

Xumi オープン前の最後の 2.8 アイランド バージョンが待ち遠しくなり、長いドラフト期間を経て、ようやく新しいプロットとプレイできるエリアが登場しました。

しかし、「肝臓皇帝」が何人いるのかはわかりませんが、島の探索が完了し、再び草が生え始めました。

宝箱は全部で 182 個、モーラボックスは 1 個 (別売り)

長い草の期間は何も怖いものはありません。原神エリア全体の仕事に不足することはありません。

いいえ、長い草の期間中に、一部のプレイヤーが XVLM wenet STARK を使用して原神をプレイするための音声制御プロジェクトを作成しました。

たとえば、「戦術 3 を使用して中央のファイアスライムを攻撃する」と言ったとき、Zhongli は最初にシールドを使用し、Ling Hua はステップステップを実行してから「ごめんなさい」と言い、グループは 4 を破壊しました。ファイアスライム。

同様に、「中央にいる大秋丘の人々を攻撃する」と言った後、ディオナがEを使用してシールドを設置し、リンホアがEでフォローし、その後3Aでクリーンしました2人の大きなQiuqiuが失われました。

左下に見られるように、プロセス全体が手を一切使わずに行われました。

ダイジェスト菌は、自分は専門家だ、将来本を書くときに手を節約するだろう、そしてお母さんはもう原神のプレイによる腱鞘炎を心配する必要はないと言いました。

プロジェクトは現在 GitHub でオープンソースです:

GitHub リンク:

https://github.com/7eu7d7/genshin_voice_play

良い原神、彼は実際にポケモンとしてプレイされました

このような実写プロジェクトは、当然多くの原神プレイヤーの注目を集めました。

例えば、プレイヤーの中には、よりニュートラルなデザインにして、キャラクター名とスキル名を直接使用することができるという提案がありましたが、結局のところ、視聴者は最初に「タクティクス 3」などの指示を知ることができません。 「中壢」「Centre of the Earth」を使えば、ゲーム体験に簡単に置き換えることができます。

一部のネチズンは、モンスターに指示を与えることができるので、キャラクターに「カメ、フロストデストラクションを使用してください」などの音声コマンドを与えることもできるのではないかと述べました。

guidailyquestion.jpg

しかし、これらの指示がなぜそれほど見慣れているように見えるのでしょうか?

これに対し、アップオーナー「シュレーディンガーの虹猫」は、シャウトスキルの速度が追いつかない可能性があり、攻撃速度がこれが、A セットがプリセットされている理由です。

ただし、「ワンダ インターナショナル」や「雷九湾バン」などのいくつかの古典的なチームの出力方法は比較的固定されており、あらかじめ設定された攻撃シーケンスとモードは、それはうまくいきます。

もちろん、ネチズンはジョークを言うだけでなく、ブレインストーミングを行ったり、最適化に関する多くの提案を出したりしています。

例えば、「1Q」を直接使用してポジション1のキャラクターの技を拡大させたり、「ヘビー」を使用して強攻撃を表現したり、「ドッジ」を使用して回避したりすることで、より簡単かつ迅速に発行することができます。指示があり、深淵と戦うためにも使用される可能性があります。

一部の熟練プレイヤーは、この AI は「環境をあまり理解していないようだ」、「次のステップは SLAM の追加を検討することかもしれない」、「達成するには360度全方位ターゲット検出" "。

# up のオーナーは、次のステップは「拠点の更新、テレポート、モンスターの撃破、報酬の受け取りを 1 つのパッケージで完全に自動化すること」だと述べています。自動強化聖闘士も追加可能 レリック機能によりAIが歪んでいるとフォーマットされます。

原神の筋金入りのライブアップマスターも「ティヴァト釣りガイド」を出版しました

ダイジェスト菌が言ったように、原神にはこれまで存在しませんでしたは仕事不足であり、このアップオーナー「シュレディンガーの虹猫」はその中でも最も「ハードコア」であるはずです。

「AIが迷路を自動配置する」から「AIが自動でプレイする」まで、『原神』で制作されるミニゲームはすべてAIをベースにしていると言えます。

その中で、Wenzhijun 氏は「AI 自動釣り」プロジェクトも発見しました (善人はあなたでもあることが判明しました)。テイヴァットの魚は袋詰めできるんです。

原神自動釣り AI は、YOLOX と DQN という 2 つのモデルで構成されています。

YOLOX は、魚の種類を特定して釣り竿の着地点を特定するために使用されます。

DQN は、強度が最適な領域内に収まるように、釣りプロセスのクリックを適応的に制御するために使用されます。

さらに、このプロジェクトでは、転移学習と半教師あり学習もトレーニングに使用しています。このモデルには、opencv などの従来のデジタル画像処理方法を使用して実装される学習不可能な部分も含まれています。

プロジェクト アドレス:

https://github.com/7eu7d7/genshin_auto_fish

3.0 アップデート後も引き続きフィッシングする必要があります「塩魚弓」ならお任せください！

原神をポケモンに変える「アーティファクト」

ダイジェスト・ファンガスは真剣な人間として、原神の音声プロジェクトの使用について全員に教育する必要があると感じています。 いくつかの「アーティファクト」 」。

X-VLM は、ビジュアル言語モデル (VLM) に基づく多粒度モデルです。画像エンコーダー、テキスト エンコーダー、およびクロスモーダル エンコーダーで構成されます。クロスモーダル エンコーダーは、視覚的な機能を組み合わせます。と言語 視覚的な言語の調整を学習するための機能間のクロスモーダルな注意。

多重粒度アライメントを学習する鍵は、X-VLM を最適化することです: 1) バウンディング ボックス回帰損失と IoU 損失を組み合わせて、関連するテキストが与えられた画像内の視覚的概念を特定します。2) 同時に、コントラスト損失、マッチング損失、およびテキストと視覚的概念を多粒度に調整するためのマスクされた言語モデリング損失。

微調整と推論では、X-VLM は学習した多粒度アライメントを利用して、入力画像に境界ボックスの注釈を追加することなく、下流の V L タスクを実行できます。

紙のリンク:

https://arxiv.org/abs/2111.08276

WeNet はエンドツーエンドのプロダクションです指向の音声認識ツールキット。統合 2 パス (U2) フレームワークと組み込みランタイムを導入して、単一モデルでストリーミング デコード モードと非ストリーミング デコード モードを処理します。

今年の 7 月初旬、WeNet はバージョン 2.0 をリリースし、4 つの側面で更新されました。

U2: 将来のコンテキスト情報を含む、双方向アテンション デコーダーを備えた統合デュアル チャネル フレームワーク右から左へのアテンション デコーダにより、共有エンコーダの表現能力と再スコアリング ステージのパフォーマンスが向上します。

n グラム ベースの言語モデルと WFST ベースのデコーダを導入して、エンコーダの理解を容易にします。実稼働シナリオでのリッチ テキスト データの使用;

ユーザー固有のコンテキストを利用して、本番環境への迅速な適応性を提供し、「LM あり」と「LM なし」の両方のシナリオで ASR の精度を向上させる、統一されたコンテキスト バイアス フレームワークを設計しました。

統合 IO は、次のように設計されています。効果的なモデルトレーニングのための大規模データをサポートします。

結果から判断すると、WeNet 2.0 は、オリジナルの WeNet と比較して、さまざまなコーパスで最大 10% の相対的な認識パフォーマンスの向上を達成しました。

論文リンク: https://arxiv.org/pdf/2203.15455.pdf

STARK は、視覚追跡のための時空間変換ネットワークです。畳み込みバックボーン、コーデック コンバーター、バウンディング ボックス予測ヘッドで構成されるベースラインに基づいて、STARK は 3 つの改善を行いました。

動的更新テンプレート: 入力に追加する動的テンプレートとして中間フレームを使用します。動的テンプレートは外観の変化をキャプチャし、追加の時間領域情報を提供できます;

スコアヘッド: 動的テンプレートが現在更新されているかどうかを判断します;

トレーニング戦略の改善: トレーニングを 2 つの段階に分割します 1) さらにスコアを付けるには、ヘッドに加えて、ベースライン損失関数を使用してトレーニングします。すべての検索画像にターゲットが含まれていることを確認し、テンプレートに位置決め機能を持たせるようにします。2) クロス エントロピーを使用してスコア ヘッドのみを最適化し、この時点では他のパラメーターをフリーズして、モデルに位置決め機能と分類機能を持たせるようにします。

論文リンク:

https://openaccess.thecvf.com/content/ICCV2021/papers/Yan_Learning_Spatio-Temporal_Transformer_for_Visual_Tracking_ICCV_2021_paper.pdf

以上が口を動かすだけで原神がプレイできる！ AIを使ってキャラクターを切り替えて敵を攻撃するネチズン「アヤカ、神里流フロストデストラクションを使って」の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。