feat:add action

[carlo-ccc]

训练的是虎先锋
感觉在没有视觉识别功能的情况下，agent实际上类似一个坐在电脑前的盲人，只通过点击各种按键总结哪种按键通关成功率更高，实际上无法对boss的攻击进行识别闪避。

所以逻辑方面改成了被攻击后闪避，尝试放弃闪避所有第一下攻击，避免被连击打死，并提高喝酒奖励并添加了新的喝酒动作防止暴毙。
另外也添加了点动作，偷a和连续闪避

大佬看着改，我这里用一周目98级的数据感觉大概3小时能成功通过一次？主要还是没有视觉识别的问题。

另外就是感觉如果一开始ai训练走了弯路要及时修改，比如很喜欢开局放分身然后挨揍，因为分身奖励太高会非常依赖分身。得到奖励之后就很难修正这个动作了，我一般都是删了重来

[XR-stb]

1. “实际上无法对boss的攻击进行识别闪避。“
   其实是可以的，只是目前action_size太大了，画面矩阵是有进行输入的，能根据矩阵的值大致判断出当前是否需要闪避。当然，加入yolo识别动作再输入给模型简化矩阵是可以的，只是yolo还得针对每个单独的boss做动作识别
2. “3小时能成功通过一次“
   跑一下train_data/下的两个python脚本，把train_data/image下的两个图给我看看数据
3. 关于训练方法，我也是第一次训练强化AI，确实处于摸索和学习中，如果你有好的效果可以将方法总结在文档中，目前动作空间太大了，观赏性虽然高了，但是Ai的决策却更糟糕了，目前还在搜寻两者之间的一个平衡点。像隐身+蓄力这种连招动作，我觉得应该交给AI自己学会，而不是通过预设连招打固定的动作。

[carlo-ccc]

1. “实际上无法对boss的攻击进行识别闪避。“
   其实是可以的，只是目前action_size太大了，画面矩阵是有进行输入的，能根据矩阵的值大致判断出当前是否需要闪避。当然，加入yolo识别动作再输入给模型简化矩阵是可以的，只是yolo还得针对每个单独的boss做动作识别
2. “3小时能成功通过一次“
   跑一下train_data/下的两个python脚本，把train_data/image下的两个图给我看看数据
3. 关于训练方法，我也是第一次训练强化AI，确实处于摸索和学习中，如果你有好的效果可以将方法总结在文档中，目前动作空间太大了，观赏性虽然高了，但是Ai的决策却更糟糕了，目前还在搜寻两者之间的一个平衡点。像隐身+蓄力这种连招动作，我觉得应该交给AI自己学会，而不是通过预设连招打固定的动作。

用的是大圣套+豪华版的23攻击棒子，那个图表的数据应该不准，实际上我计算里面只真正打赢了一次才对。

另外还有个问题就是由于没有视觉模块检测来控制和boss的距离，感觉agent也是无法自己移动的，所以感觉可能隐身+蓄力也暂时没办法训练出来。

[carlo-ccc]

1. “实际上无法对boss的攻击进行识别闪避。“
   其实是可以的，只是目前action_size太大了，画面矩阵是有进行输入的，能根据矩阵的值大致判断出当前是否需要闪避。当然，加入yolo识别动作再输入给模型简化矩阵是可以的，只是yolo还得针对每个单独的boss做动作识别
2. “3小时能成功通过一次“
   跑一下train_data/下的两个python脚本，把train_data/image下的两个图给我看看数据
3. 关于训练方法，我也是第一次训练强化AI，确实处于摸索和学习中，如果你有好的效果可以将方法总结在文档中，目前动作空间太大了，观赏性虽然高了，但是Ai的决策却更糟糕了，目前还在搜寻两者之间的一个平衡点。像隐身+蓄力这种连招动作，我觉得应该交给AI自己学会，而不是通过预设连招打固定的动作。

1. “实际上无法对boss的攻击进行识别闪避。“
   其实是可以的，只是目前action_size太大了，画面矩阵是有进行输入的，能根据矩阵的值大致判断出当前是否需要闪避。当然，加入yolo识别动作再输入给模型简化矩阵是可以的，只是yolo还得针对每个单独的boss做动作识别
2. “3小时能成功通过一次“
   跑一下train_data/下的两个python脚本，把train_data/image下的两个图给我看看数据
3. 关于训练方法，我也是第一次训练强化AI，确实处于摸索和学习中，如果你有好的效果可以将方法总结在文档中，目前动作空间太大了，观赏性虽然高了，但是Ai的决策却更糟糕了，目前还在搜寻两者之间的一个平衡点。像隐身+蓄力这种连招动作，我觉得应该交给AI自己学会，而不是通过预设连招打固定的动作。

用的是大圣套+豪华版的23攻击棒子，那个图表的数据应该不准，实际上我计算里面只真正打赢了一次才对。

另外还有个问题就是由于没有视觉模块检测来控制和boss的距离，感觉agent也是无法自己移动的，所以感觉可能隐身+蓄力也暂时没办法训练出来。

哦不好意思更正一下，我也不太清楚ai检测有没有真正使用上，所以隐身跑蓄自动训练这一块也是自己猜测的。

训练的方式其实也没有了，我大概训练了100+小时。
总结是大概开始的3小时之后，ai的这次训练就会固定下大致的行为模式，如果错误的话只能删除重新来，继续往后训练也只是在原有的基础上优化这样。

[flufy3d]

哇 你好厉害 训练了100小时 我最多训练了 一天 就放弃了

[XR-stb]

哇 你好厉害 训练了100小时 我最多训练了 一天 就放弃了

我最近也训练了2500局，不过没收敛😂🤣

[flufy3d]

大佬 新年快乐哈 有没有什么新的突破

[XR-stb]

大佬 新年快乐哈 有没有什么新的突破

新年快乐，没有进展。暂时没啥思路

[flufy3d]

deepseek有点牛 居然都追上gpt4o了

[XR-stb]

现在代码结构太复杂了，需要简化process的逻辑，restart逻辑还是不能用配置的方式，用代码写最后，灵活度最高，什么场景都能满足，现在用配置有局限性（在官方支持boss复战后，复战复活时是在选择面板，看不到血条），不过没有收敛的趋势，我暂时也没啥动力修改了，目前主要在看业界格斗游戏强化ai的训练方法和思路

[flufy3d]

嗯 有点伤 道心了 希望 哪个能人异士 能带来新动力

[flufy3d]

我会持续关注

[XR-stb]

嗯 有点伤 道心了 希望 哪个能人异士 能带来新动力

或许真如我问了某个b站大佬所说的：某处有bug导致的不收敛