simonliu423 / maze-car-ai

Maze Car

在錯綜復雜的棋盤迷宮中，如何讓你的自走車突破重圍，走到出口，而不會迷失在其之中。本遊戲也提供多元的關卡，隨著遊戲難度提升，迷宮的牆壁可是會移動，考驗各位玩家如何再多變的環境下，依然能夠逃出迷宮。

更新內容(3.3.1)

1. 更新程式碼內容，以運行於 MLGame 9.5.*以後版本

---

基礎介紹

啟動方式

• 直接啟動 main.py 即可執行

遊戲參數設定

# main.py

game = MazeCar.MazeCar(user_num=1, game_type="MAZE", map=4, time=200, sensor=3, sound=SOUND_OFF)`

• user_num：玩家數量，最多可以6個玩家同時進行同一場遊戲。

• game_type：自走車目前有三種遊戲模式：經典迷宮(MAZE)、移動迷宮(MOVE_MAZE)與小試身手(PRACTICE)。

• map：選擇要執行的地圖編號，不同的模式中，地圖不會共用編號。

• time：遊戲結束時間，單位為FPS，時間到會強制結束遊戲。

• sensor：感測器的數量，可以選擇3或5個。區別在於是否有右前方/左前方的感測器。

• sound：可輸入"on"或是"off"，控制是否播放遊戲音效。

玩法

• 使用鍵盤 上、下、左、右 (1P)與 Ｗ、Ａ、Ｓ、Ｄ (2P)控制自走車

目標

1. 在遊戲時間截止前到達迷宮的終點。

通關條件

1. 時間結束前，自走車碰到終點，即可過關。

失敗條件

1. 時間結束前，自走車尚未走到終點，即算失敗。

遊戲系統

1. 行動機制

   控制左右輪轉速，達到前進、後退、轉彎的目的。

   上鍵(W同)：左右輪固定輸出100

   下鍵(S同)：左右輪固定輸出-100

   左鍵(A同)：右輪輸出增加100

   右鍵(D同)：左輪輸出增加100

2. 感測器 感測器測量的起點為自走車車身外圍，終點為直線距離上最靠的牆壁，實際距離如圖所示

3. 物件大小 使用Box2D的座標系統，單位為cm，每公分換算為4像素，

   • 自走車 12.5 x 10cm
   • 檢查點 15 x 15cm
   • 終點 15 x 15cm

4. 座標系統

   原點在迷宮區域的左上角，Ｘ軸向右為正，Y軸向上為正。

---

進階說明

使用ＡＩ玩遊戲

python -m mlgame -i ml/ml_play_template.py ./ --map 1 --game_type MAZE --user_num 6 --time_to_play 450 --sensor_num 5 --sound off

ＡＩ範例

class MLPlay:
    def __init__(self, ai_name,*args,**kwargs):
        self.player_no = ai_name
        self.r_sensor_value = 0
        self.l_sensor_value = 0
        self.f_sensor_value = 0
        self.control_list = {"left_PWM" : 0, "right_PWM" : 0}
        # print("Initial ml script")
        print(kwargs)

    def update(self, scene_info: dict, *args, **kwargs):
        """
        Generate the command according to the received scene information
        """
        if scene_info["status"] != "GAME_ALIVE":
            return "RESET"
        self.r_sensor_value = scene_info["R_sensor"]
        self.l_sensor_value = scene_info["L_sensor"]
        self.f_sensor_value = scene_info["F_sensor"]
        if self.f_sensor_value >15:
            self.control_list["left_PWM"] = 100
            self.control_list["right_PWM"] = 100
        else:
            self.control_list["left_PWM"] = 0
            self.control_list["right_PWM"] = 0
        return self.control_list

    def reset(self):
        """
        Reset the status
        """
        # print("reset ml script")
        pass

遊戲資訊

• scene_info 的資料格式如下

{
    "frame": 16,
    "status": "GAME_ALIVE", 
    "x": 107.506, 
    "y": -112.5, 
    "angle": 0.0, 
    "R_sensor": 5.6, 
    "L_sensor": 4.7, 
    "F_sensor": 87.6, 
    "L_T_sensor": -1, 
    "R_T_sensor": -1, 
    "end_x": 12.5,
    "end_y": -12.5
}

• frame：遊戲畫面更新的編號
• L_T_sensor：玩家自己車子左前超聲波感測器的值，資料型態為數值，單位是公分。
• R_T_sensor：玩家自己車子右前超聲波感測器的值，資料型態為數值
• L_sensor：玩家自己車子左邊超聲波感測器的值，資料型態為數值
• F_sensor：玩家自己車子前面超聲波感測器的值，資料型態為數值
• R_sensor：玩家自己車子右邊超聲波感測器的值，資料型態為數值
• x：玩家自己車子的x座標，該座標系統原點位於迷宮左上角，x軸向右為正。
• y：玩家自己車子的y座標，該座標系統原點位於迷宮左上角，y軸向上為正。
• end_x：終點x座標，該座標系統原點位於迷宮左上角，x軸向右為正。
• end_y：終點y座標，該座標系統原點位於迷宮左上角，y軸向上為正。
• angle：玩家自己車子的朝向，車子向上為0度，數值逆時鐘遞增至360
• status： 目前遊戲的狀態
  • GAME_ALIVE：遊戲進行中
  • GAME_PASS：遊戲通關
  • GAME_OVER：遊戲結束

座標資訊請參考 座標系統 章節

動作指令

• 在 update() 最後要回傳一個字典，資料型態如下。

  {
          'left_PWM': 0,
          'right_PWM': 0
  }

  其中left_PWM與right_PWM分別代表左輪與右輪的馬力，接受範圍為-255~255。

遊戲結果

• 最後結果會顯示在console介面中，若是PAIA伺服器上執行，會回傳下列資訊到平台上。

{
    "frame_used": 121, 
    "state": "FINISH", 
    "attachment": [
        {
        "player": "2P", 
        "rank": 1, 
        "used_frame": 107, 
        "check_points": 0
        }, 
        {
        "player": "1P", 
        "rank": 2, 
        "used_frame": 121, 
        "check_points": 0
        }
    ]
}

• frame_used：表示遊戲使用了多少個frame
• state：表示遊戲結束的狀態
  • FAIL：遊戲失敗
  • FINISH：遊戲完成
• attachment：紀錄遊戲各個玩家的結果與分數等資訊

  • player：玩家編號

  • rank：排名

  • used_frame：個別玩家到達終點使用的frame數

  • frame_limit：該局遊戲所設定的時間上限

  • frame_percent：

  • total_checkpoints：該地圖的總檢查點數量

  • check_points：玩家通過的檢查點數量

  • remain_points：玩家未通過的檢查點數量

  • pass_percent：

  • remain_percent：

---

地圖製作說明

地圖製作教學