Skip to content

Makapic/RocoPilot

BranchesTags

Repository files navigation

RocoPilot — 洛克王国世界自动化助手

输入方案：基于 Interception 驱动级输入，在内核层面模拟键鼠，游戏反作弊无法检测。

基于 OpenCV 模板匹配 + YOLO 精灵检测的游戏自动化工具，专为《洛克王国：世界》设计。支持自动丢球、精灵定位瞄准、巡航抓宠，以及战斗中的自定义应对策略。

更新日志：CHANGELOG.md

快速开始（EXE 免安装版）

无需安装 Python 或任何依赖，下载即用。

  1. 安装 Interception 驱动（必须，详见下方 安装 Interception 驱动）
  2. 从 Releases 页面下载最新的两个分卷文件：
    • RocoPilot.part1.zip
    • RocoPilot.part2.zip
  3. 合并分卷（在下载目录打开终端）： 
    copy /b RocoPilot.part1.zip + RocoPilot.part2.zip RocoPilot.zip
  4. 解压 RocoPilot.zip 到任意目录
  5. 以管理员身份运行 RocoPilot.exe

首次启动模式 3 需生成 SIFT 锚点缓存（约 2-3 分钟），后续启动秒加载。

运行环境

以下为实测可用的环境配置。其他相近版本（如 Windows 10、Python 3.11、CUDA 11.8）通常也能正常运行。

项目 实测配置 说明
操作系统 Windows 11 Pro 64-bit Windows 10 亦可；依赖 pywin32，不支持 macOS/Linux
权限 管理员权限 Interception 驱动加载、截图 API 需要
Python 3.12.9（由 uv 管理） 要求 3.11+，uv 自动下载，无需手动安装
uv 0.11.11 包管理器和 Python 版本管理器
GPU NVIDIA RTX 3060 Laptop 驱动 581.95，CUDA 12.1；精灵检测和 OCR 需要
显存 6 GB YOLO 模型约消耗 1-2 GB，巡航子进程额外占用
游戏分辨率 1920×1080 模板在该分辨率下截图，其他分辨率可自适应缩放

环境安装教程

以下步骤在 Windows 11 管理员终端 下操作，其他版本大同小异。

1. 安装 Interception 驱动

Interception 是内核级输入驱动，游戏无法感知模拟输入，必须先装。

  1. 访问 Interception Releases
  2. 下载 Interception.zip 并解压到任意目录
  3. 以管理员身份打开终端（Win+X → 终端(管理员)），进入解压目录
  4. 运行命令： 
    .\install-interception.exe /install
  5. 看到 Success 提示后，重启电脑
  6. 重启后在终端运行以下命令验证： 
    sc query interception
    状态显示 RUNNING 即安装成功

2. 安装 uv（Python 包管理器）

uv 会自动下载和管理 Python，无需手动安装 Python。

以普通用户身份打开终端：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

安装完成后关闭并重新打开终端，验证：

uv --version

3. 克隆项目并安装依赖

# 克隆到本地
git clone https://github.com/Makapic/RocoPilot.git
cd RocoPilot
# 安装基础依赖（约 500 MB）
uv sync

uv 会自动创建 .venv 虚拟环境并安装所有依赖。基础依赖包括 OpenCV、numpy、mss（截图）、pywin32、interception-python。

4. （可选）安装精灵检测依赖

模式 2/3 的 YOLO 精灵定位功能需要额外安装：

uv sync --extra pet

这会安装 ultralytics、torch、torchvision。默认从 SJTU 镜像下载 CUDA 12.1 版 PyTorch，适合国内网络。

显卡要求：NVIDIA 显卡（建议 4 GB 显存以上）。CPU 亦可运行但每帧检测会慢数倍。

5. 精灵检测模型

文件 说明 仓库包含
models/xueren.pt 雪人精灵检测模型 是（20 MB），可直接使用
models/huolong.pt 火龙精灵检测模型 是（20 MB），可直接使用
models/geli.pt 和平鸽 + 菊华梨检测模型 是（20 MB），可直接使用
yolo26s.pt 预训练基础权重，用于训练新模型 是（20 MB）

启动时程序会列出 models/ 下所有 .pt 文件供选择。其他精灵需自行训练（见下方教程）。

6. 启动验证

uv run main.py

看到模式选择菜单即环境配置成功。按 Ctrl+C 退出。

--。

运行模式

启动后提供三种模式可选：

按键 模式 说明
1 自动丢球 非战斗状态下检测可丢球画面自动点击
2 自动抓宠 YOLO 检测精灵位置 → 自动瞄准 → 丢球；战斗中支持自定义策略
3 自动巡航 + 抓宠 继承模式 2 全部能力，非战斗时启动 SIFT 地图巡航系统

暂停/继续：运行时按 F8 暂停引擎循环（三种模式均适用），再按 F8 恢复。可在 config.py 的 pause_hotkey 中自定义按键（keyboard 库格式，如 f8、pause、ctrl+shift+p）。

模式 1：自动丢球

  • 仅在游戏窗口前台时触发，避免误操作
  • 检测 elf_P / exchange 模板匹配分数，达到阈值才点击
  • 适合大量精灵出没时挂机丢球

模式 2：自动丢球（精灵定位）

  • 使用 YOLO 模型实时检测画面中的精灵位置
  • 透明悬浮窗叠加显示检测框和准星
  • 自动瞄准：按住右键旋转视角将精灵移至画面中心，然后丢球
  • 支持灵敏度自动标定，也支持手动标定（scripts/mark_align.py）
  • 一定时间未检测到精灵自动旋转视角搜索
  • 战斗内行为可配置：污染战斗和普通战斗分别设置策略

模式 3：自动巡航 + 抓宠

  • 继承模式 2 的全部战斗和抓宠能力
  • 非战斗时启动独立巡航子进程，在框选区域内蛇形巡航
  • 遇敌时通过标志文件通知巡航暂停，战斗结束后恢复
  • 巡航系统基于 SIFT 特征匹配实现地图定位和路径规划

战斗内策略

模式 2 和 3 支持在战斗中按污染/普通类型分别配置行为：

行为 说明
只聚能 每 1 秒按 X 聚能
逃跑 按 ESC → 识别并点击"是"按钮
释放技能1后聚能 先按 1 释放技能，后续按 X 聚能
不操作 不进行任何键鼠操作

配置自动保存到 user_prefs.json，下次启动无需重新设置。

其他自动化

  • 同行自动确认：非战斗状态下检测到队友重新同行请求时自动按 F
  • 污染精灵日志：每场污染战斗记录精灵名称到 logs/pollute_log.csv（需 EasyOCR，否则记录为"未知"）

精灵检测模型训练

仓库提供 xueren（雪人）、huolong（火龙）、geli（和平鸽+菊华梨） 的预训练模型。如需检测其他精灵，按以下流程自行训练。

数据准备

首先需要收集精灵的截图素材，有两种方式：

A. 模板贴图（合成训练，快速上手）

将精灵的透明 PNG 素材放入 templates/pets/，脚本会自动提取轮廓并贴到游戏背景上生成训练数据。适合精灵外观清晰、背景简单的场景。

B. 真实截图标注（精度更高）

  1. 在游戏中截取大量包含目标精灵的画面，放入 datasets/<精灵名>/

  2. 运行标注工具：

    uv run python scripts/label_tool.py datasets/<精灵名>
    操作 按键
    鼠标拖拽 画框
    0-9 选择类别
    W 确认当前框
    S 保存标签
    A / D 上一张 / 下一张
    Del 删除最后一个框
    Q 退出

  3. 标注结果保存为 YOLO 格式：datasets/<精灵名>/images/（图片）+ datasets/<精灵名>/labels/（标签 .txt）

训练

# 训练火龙模型（从已有 huolong.pt 继续微调，扩充数据后使用）
uv run python scripts/train_huolong.py

# 训练雪人模型（从已有 xueren.pt 继续微调）
uv run python scripts/train_xueren.py

# 训练 geli 双物种模型（从 yolo26s.pt 预训练权重开始）
uv run python scripts/train_geli.py

训练完成后模型自动复制到 models/<精灵名>.pt，启动 main.py 时即可选择。

如需训练其他精灵，可复制 train_huolong.py 并修改其中的数据集路径和模型名。

实时检测测试

训练完成后可在游戏中实时预览检测效果：

uv run python scripts/detect_xueren.py    # 测试雪人模型
uv run python scripts/detect_huolong.py   # 测试火龙模型
uv run python scripts/detect_geli.py      # 测试 geli 模型（和平鸽+菊华梨）

会弹出透明悬浮窗，在游戏画面上叠加检测框，用于验证模型效果。

注意事项

  • 分辨率：推荐 1920×1080。脚本支持自适应缩放，阈值已下调至 0.4 以兼容其他分辨率。
  • 自定义适配：若分辨率特殊导致识别异常，可在当前分辨率下重新截图覆盖 templates/ 中的同名文件。
  • 窗口状态：游戏窗口不能最小化（可被遮挡但不能最小化）。
  • 前台要求：键盘输入需游戏窗口在前台；鼠标点击需目标位置未被遮挡。
  • 巡航模式：模式 3 启动时会弹出独立悬浮窗，需框选小地图区域完成初始化。首次运行需生成 SIFT 地图锚点缓存（约 2-3 分钟，取决于 CPU 性能），后续启动秒加载。

项目结构

├── main.py              # 入口，模式选择和窗口选择
├── config.py            # 全局配置（阈值、ROI、模板名等）
├── core/                # 核心引擎
│   ├── engine.py        # 主循环，战斗状态机
│   ├── capture.py       # 游戏窗口截图
│   ├── vision.py        # OpenCV 模板匹配
│   ├── input.py         # Interception 键鼠模拟
│   ├── window.py        # 窗口查找和枚举
│   ├── pet_detector.py  # YOLO 精灵检测
│   └── ...
├── modes/               # 运行模式（策略模式）
│   ├── base.py          # 抽象基类
│   ├── ball.py          # 模式 1：自动丢球
│   ├── ball_pet.py      # 模式 2：精灵定位丢球
│   └── ball_cruise.py   # 模式 3：巡航 + 抓宠
├── cruise_capture/      # 巡航路径规划与状态机
├── luoke_location_src/  # SIFT 地图定位系统
├── scripts/             # 训练/标注/标定工具
├── templates/           # 模板匹配图片（按分辨率缩放）
├── models/              # YOLO 模型文件（.pt）
└── datasets/            # 训练数据集

免责声明

  1. 仅供学习参考：本工具仅用于计算机视觉（OpenCV 模板匹配、SIFT 特征跟踪、YOLO 目标检测）及输入模拟技术的研究与交流。
  2. 驱动风险：本工具使用 Interception 内核级驱动模拟键鼠输入，该驱动以管理员权限运行在系统内核层。请从 Interception 官方仓库 下载，使用非官方来源的驱动文件可能存在安全风险。
  3. 账号风险：使用自动化脚本可能违反《洛克王国：世界》用户协议，存在被警告、限制或永久封禁的风险。由此产生的一切后果由使用者本人承担。
  4. 技术边界：本工具不修改游戏内存、不篡改网络封包、不注入游戏进程。所有操作均基于截屏 → 图像分析 → 模拟外设输入的技术路径，与人类观察屏幕后操作键鼠的行为等价。
  5. 无担保责任：本软件按"现状"提供，不提供任何明示或暗示的担保。作者不对因使用或无法使用本工具造成的任何直接或间接损失（包括但不限于账号封禁、数据丢失、硬件损坏）承担责任。

致谢

本项目基于以下开源项目二次开发：

About

洛克王国世界自动化助手：基于 Interception 驱动级输入，在内核层面模拟键鼠，游戏反作弊无法检测。 基于 OpenCV 模板匹配 + YOLO 精灵检测的游戏自动化工具，专为《洛克王国：世界》设计。支持自动丢球、精灵定位瞄准、巡航抓宠，以及战斗中的自定义应对策略。

Resources

Readme

License

MIT license
Activity

Stars

48 stars

Watchers

0 watching

Forks

9 forks
Report repository

Releases 1

RocoPilot v2.0.1 Latest
May 29, 2026

Packages

 
 
 

Contributors

Languages