Бот для Клеш Рояль CRotimer с пробным ключом от CoC Builder

Что за бот и как он работает

Эта программа создана, чтобы избавить вас от тех действий, которыми разработчики буквально затягивают вас в Клеш каждый час. Вот, что может бот:

• Открыть бесплатный сундук как только он появился;
• Поставить в очередь на открытие другой ящик, как только завершился процесс отпирания предыдущего;
• Автоматически улучшать, покупать карты — все по заданным вами параметрам;
• Запрашивать карты у клана — таким образом вы получите в полтора раза больше новых юнитов;
• Раздавать карты соклановцам и получать за это дополнительное золото;
• Искать подходящие вам турниры (критерии поиска можно указать самостоятельно);
• Играть на арене самостоятельно (но этот режим нужно использовать на свой страх и риск).

Возможности программы

Кликните для увеличения:

Настройка бота занимает от силы пару минут — просто пройдитесь по вкладкам «Главная», «Донат», «Атака», «Планировщик» и выберите нужные вам опции — кого донатить, а какую карту запрашивать, нужно ли боту идти в бой и т.п.

Вот небольшой список возможностей бота, которые можно использовать как все вместе, так и по своему усмотрению:

• Поиск и присоединение к турниру по заданным параметрам.
• Донат войск по запросу (происходит при срабатывании таймера)
• Запрос карты позволяет получать нужных карт в полтора раза больше, чем обычно
• Автоматическое улучшение карт
• Автоматическая покупка карт до выставленного ограничения стоимости
• Автоатака (эффективность зависит от колоды, использовать с осторожностью, может слить кубки)
• Возможность отключения бота по ссылке прямо с вашего смартфона, если вы находитесь далеко от компьютера, на котором запущен бот
• Синхронная работа с ботом CoCTimer для Clash of Clans — он будет включаться в то время, когда коктаймер отдыхает.

И самое приятное — играть в любимую игру можно на компьютере! (Пока вы играете, то есть окно с игрой на первом плане, бот не будет вам мешать)

Как установить CRotimer

Процедура проста — нужен компьютер, эмулятор Андроида и сам бот для. Вот пошаговая инструкция:

1. Читайте, как установить Clash Royale на BlueStacks — нужна именно эта программа.
2. Теперь нужно установить сам Clash Royale. Делайте это через Google.Play.
3. Привяжите свой основной аккаунт к эмулятору — по ссылке пошагово показано, как это сделать.
4. Затем скачивайте CRotimer и устанавливайте.
5. Кливайте по ярлыку правой кнопкой мыши и выбирайте «Запустить от имени администратора».
6. Программа попросит вас ввести код. Здесь нужно запросить пробный период и ввести свой e-mail — код придет туда. Скопируйте и вставьте. Теперь у вас будет три дня на тестирование программы.
7. Можете наслаждаться. Походите по настройкам. Укажите, что делать боту Clash Royale и когда. Оставляйте эмулятор работать и идите по своим делам — ваш аккаунт будет расти и улучшаться.

Инструкция по использованию бота

• Скачайте и установите программу «BlueStacks App Player»
• Скачайте и установите бот CRoTimer
• Bluestacks можно закрыть или оставить работать, бот все равно перезапустит его в нужном режиме.
• Запустите бота правой кнопкой по ярлыку «От имени администратора» (внимательно читайте сообщения, если бот что-то выдает при запуске), он активируется автоматически (в окне бота будет надпись «бот сработает через..»).
• Некоторое время (от 1 до 7 минут) потребуется Bluestacks для запуска — появится синее окно, после загрузки оно сменится черным с иконками установленных приложений. Если в течение 20 секунд после появления иконок игра Clash Royale так и не запустилась, запустите ее по иконке вручную.
• Появится окно бота с предложением ввести емэйл для активации пробного периода. Если у вас уже есть ключ, закройте это окно, а затем в верхнем меню бота зайдите в «Регистрация» — «Ввести ключ» и введите ваш ключ активации.
• Пробегитесь по вкладкам бота и настройте, что нужно жертвовать соклановцам, что запрашивать, надо ли боту атаковать и т.п..
• Сделайте активным любое другое окно, кроме самой игры (окно бота, например) и дождитесь следующего срабатывания таймера (или выключите и включите щит большой кнопкой), бот будет делать все, что вы задали ему в настройках, а вы можете откинуться на спинку кресла и расслабиться.

Читайте также:   Как играть на легендарной арене в Clash Royale

Как играть в Clash Royale на компьютере

Для этого вам потребуется установить на домашний или рабочий компьютер (а можно и на оба) программу-эмулятор операционной системы Android, которая позволяет запускать любые игры и приложения для смартфона.

Лучший эмулятор Андроида на сегодняшний день — программа BlueStacks App Player, но скачивать самую последнюю версию с официального сайта не рекомендуется, потому что часто выходят обновления, с которыми бот еще не отлажен.

Читайте также:   Взломанный Clash Royale

Рекомендуем установить одну из трех версий Bluestacks, с которыми бот работает безотказно:

• 0.10.7 (Самая стабильная версия, но будет выдавать сообщение, что блюстэкс этой версии уже не подерживается. Просто игнорирйте и не обновляйте его.)
• 0.9.30 (На некоторых компьютерах при запуске игры она может вылетать сразу или через минуту. В этом случае нужно будет установить другую версию эмулятора)
• 2.0.8 (С этой версией бот будет перезапускать блюстэкс в режиме одного окна)

Следующий шаг после установки эмулятора BlueStacks — это установка самой игры Clash Royale. Это делается как обычно в андроиде, просто представьте, что у вас появился новый планшет. Зайдя в установленную игру, не пугайтесь, вам не придется начинать все с начала.

Если вам не повезло с первого входа в игру обнаружить свою родную уже построенную деревеньку, просто воспользуйтесь функцией «Привязать устройство» («Link a device»), а дальше следуйте указаниям разработчика.

А если до этого вы играли с устройства на андроиде, то попробуйте воспользоваться кнопкой «Google+ вход», что тоже должно автоматически привязать игру к вашему основному аккаунту.

</ul>

Сразу отвечу на несколько вопросов которые могут у вас возникнуть во время использования бота.

Какие системные требования для работы бота?

Ответ: Windows 7 и выше, 2Gb RAM (для корректной работы Bluestacks)

Если я переустановлю Windows или поменяю компьютер, мне нужно будет покупать новый ключ?

Ответ: Нет, нужно прислать мне ключ, чтобы я сбросил на нем привязку и вы могли активировать ключ. Если сброс ключа требуется чаще, чем раз в месяц, одна процедура сброса — 100 рублей. Есть возможность отключать бота по ссылке со смартфона (меню бота Настройки — Удаленное управление), поэтому лучше настроить его на постоянную работу на одном компе, а когда захотите поиграть, то отключить бот по ссылке, а потом снова включить.

Выдается ошибка о невозможности поиска в фоновом режиме и предложение обновить BlueStacks. Что делать?

Ответ: Три возможных решения:

• Включите тему оформления Aero (если Windows 7).
• Наведите курсор на значок блюстэкс в трее, чтобы узнать установленную версию. Если версия ниже 0.9.30, то установите рекомендуемую.
• Запустите бота правой кнопкой «От имени администратора».

Ответ: Для того, чтобы программа сама скачала и запустила установщик, нужно дать ей права записи на папку, в которую она установлена, либо запустить от имени администратора.

Блюстэкс не загружается с официального сайта или не устанавливается или не привязывается аккаунт или другие проблемы с BlueStacks.

Ответ: Скачайте блюстэкс по этой ссылке.

У меня не работает бот, когда я разворачиваю игру на весь экран.

Ответ: При использовании бота НЕ разворачивайте игру на весь экран.

А меня за это в игре не забанят?

Ответ: Бот специально сделан так, чтобы его невозможно было отследить из игры. Он абсолютно все делает, как человек, — даже каждый клик совершается не в одну и ту же точку, а с небольшим случайным отклонением. Все временные интервалы тоже имеют случайную составляющую от нескольких милисекунд до 180 секунд. Принцип работы этого бота совершенным образом отличается от XMod и iMod, за которые были уже несколько волн банов. Подтвержденных случаев бана за CRoTimer не было и нет.

Читайте также:   Как получить легендарную карту в clash royale

Как изменить размер окна BlueStacks?

Ответ: В меню бота «Управление» скопируется в буфер обмена ссылка, которую надо передать на смартфон и сохранить в закладках. Теперь вы сможете отключить работающего на компьютере бота, где бы вы ни находились, после чего зайти в игру с телефона и играть столько, сколько нужно. Главное — не забыть потом включить бота обратно по той же ссылке. Для более полноценного управления всегда можно поставить тимвьювер.

Бот пишет «Ошибка генерации пробного ключа» или «Нет связи с сервером», что делать?

Ответ: В первую очередь проверьте, правильная ли дата стоит на компьютере. Если верная, значит причина ошибки в том, что доступ боту в интернет блокирует какой-нибудь левый бесплатный защитник, антивирус, сетевой экран или брандмауер. Нужно либо удалить их (если они установились без вашего ведома), либо добавить бота в исключения.

Блюстэкс запускается с ярлыка нормально, но при запуске ботом долго бесконечно висит «Инициализация»

Ответ: Удалите Bluestacks и установите версию 2.0.8 по этой ссылке.

Почему я выбрал YOLO

Я начал исследовать возможные решения распознавания изображений. Посмотрел на применение различных алгоритмов: OpenCV, TensorFlow, Torch. Хотелось сделать распознавание как можно более быстрым, даже пожертвовав точностью, и получить POC как можно скорее. Почитав статьи, я понял, что моя задача не вяжется с HOG/LBP/SVM/HAAR/… классификаторами. Хоть они и быстрые, но пришлось бы их применять очень много раз — по классификатору на каждого юнита  — и потом по одному применять их к картинке для поиска. К тому же их принцип работы в теории давал бы плохие результаты: у юнитов может быть разная форма, например, при перемещении влево и вверх. Теоретически, используя нейронную сеть, можно применить ее один раз к изображению и получить всех юнитов разных типов с их положением, поэтому я стал копать в сторону нейронных сетей. В TensorFlow нашлась поддержка Convolutional Neural Networks (CNN). Оказалось, что не обязательно обучать нейронные сети с нуля — можно переобучить уже имеющуюся мощную сеть. Затем я нашел более практичный алгоритм YOLO, который обещает меньшую сложность и, следовательно, должен был обеспечивать высокую скорость алгоритма поиска, не сильно жертвуя точностью (а в некоторых случаях и превосходя другие модели). На сайте YOLO обещают громадную разницу в скорости, используя модель «tiny» и меньшую оптимизированную сеть. YOLO также позволяет переобучить готовую нейронную сеть под свою задачу, причем darknet — opensource-фреймворк для использования различных нейронок, создатели которого разработали YOLO — является простым нативным приложением на C, и вся работа с ним происходит через его вызовы с параметрами. TensorFlow, написанный на Python, является по факту Python-библиотекой и применяется с использованием самописных скриптов, в которых надо разобраться или подточить их под свои нужды. Вероятно, для кого-то гибкость TensorFlow — это плюс, но, не вникая в подробности, вряд ли можно быстро взять его и использовать. Поэтому в моем проекте выбор пал на YOLO.

Игровая механика в Clash Royale

Механика у игры достаточно простая. У вас и вашего противника есть три здания: крепость и две башни. Игроки до игры собирают колоды — 8 доступных юнитов, которые затем используются в бою. Они имеют разные уровни, и их можно прокачивать, собирая больше карт этих юнитов и покупая обновления. После начала игры можно ставить доступных юнитов на безопасном расстоянии от вражеских башен, тратя при этом единицы маны, которые медленно восстанавливаются по ходу игры. Юниты направляются на вражеские здания и отвлекаются на встречающихся по пути врагов. Игрок может управлять только начальным положением юнитов — на их дальнейшее перемещение и урон он может влиять только установкой других юнитов. Еще есть заклинания, которыми можно сыграть в любой точке поля, обычно они наносят урон юнитам разными способами. Заклинания могут клонировать, заморозить или ускорить юнитов в какой-то области. Цель игры — уничтожить здания противника. Для полной победы надо разрушить крепость или после двух минут игры уничтожить больше строений (правила зависят от игровых режимов, но в целом звучат так). Во время игры нужно принимать во внимание перемещения юнитов, возможное число маны и текущие карты противника. Также нужно учитывать, как влияет установка юнита на игровое поле.

Строим решение

Clash Royale — мобильная игра, поэтому я решил запускать ее на Android и взаимодействовать с ней через ADB. Это позволило бы поддержать работу с симулятором или с реальным устройством. Я решил, что бот, как и многие другие игровые ИИ, должен работать по алгоритму Восприятие-Анализ-Действие. Все окружение в игре отображается на экране, а взаимодействие с ним происходит с помощью нажатий на экран. Поэтому бот должен представлять из себя программу, на вход которой подается описание текущего состояния в игре: расположение и характеристики юнитов и зданий, текущие возможные карты и объем маны. На выходе бот должен отдавать массив координат, куда надо тапнуть юнита. Но до создания самого бота нужно было решить проблему извлечения информации о текущем состоянии в игре из скриншота. По большому счету, этой задаче и посвящено дальнейшее содержание статьи. Для решения этой проблемы я решил применить Computer Vision. Возможно, это не лучшее решение: CV без большого опыта и ресурсов явно имеет ограничения и не может распознавать все на уровне человека. Точнее было бы брать данные из памяти, однако такого опыта у меня не было. Требуется Root и в целом такое решение выглядит сложнее. Также неясно, можно ли добиться здесь скорости около real time, если искать объекты с heap JVM внутри устройства. К тому же задачу CV мне хотелось решать больше, чем эту. В теории можно было бы сделать прокси-сервер и брать информацию оттуда. Но сетевой протокол игры часто меняется, прокси-сервера в интернете попадаются, но быстро устаревают и не поддерживаются.

Доступные игровые ресурсы

Для начала я решил ознакомиться с доступными материалами из игры. Я нашел клуб умельцев, достающих запакованные игровые ресурсы [1][2]. В первую очередь меня интересовали картинки юнитов, но в распакованном игровом пакете они представлены в виде карты тайлов (кусочков, из которых состоит юнит). Также я нашел склеенные (хоть и не идеально) с помощью скрипта кадры анимаций юнитов — они пригодились для обучения модели распознавания. Кроме того, в ресурсах можно найти csv с различными игровыми данными — количество HP, урон юнитов разного уровня и т. п. Это полезно при создании логики бота. Например, из данных стало точно понятно, что поле поделено на 18 x 29 клеток, и ставить юнитов можно только на них. Еще там были все изображения карт юнитов, которые пригодятся нам позже.

Computer Vision для ленивых

После поиска доступных CV-решений стало понятно, что обучать их в любом случае придется на размеченном датасете. Я наделал скриншотов экрана и уже был готов разметить какое-то количество скриншотов руками. Это оказалось непростой задачей. Поиск доступных программ для распознавания занял какое-то время. Я остановился на labelImg. Все найденные мной приложения для аннотирования были достаточно примитивны: многие не поддерживали комбинации клавиш, выбор объектов и их типов был сделан намного менее удобно, чем в labelImg. Во время разметки оказалось полезным иметь исходный код приложения. Я делал скриншоты каждую пару секунд матча. На скриншотах бывает много объектов (например, армия скелетов), и я сделал модификацию в labelImg — по умолчанию при разметке следующего изображения брались метки из предыдущего. Часто их нужно было просто подвинуть под новое положение юнитов, удалить умерших юнитов и добавить несколько появившихся, а не размечать с нуля. Процесс оказался ресурсоемким — за два дня в спокойном режиме я разметил около 200 скриншотов. Выборка выглядит совсем небольшой, но я решил начать экспериментировать. Всегда можно добавить больше примеров и улучшить качество модели. На момент разметки я не знал, какой инструмент обучения буду использовать, поэтому решил сохранить результаты разметки в формате VOC — одном из консервативных и на вид универсальных. Может возникнуть вопрос: почему просто не искать попиксельно изображения юнитов по полному совпадению? Проблема в том, что для этого пришлось бы искать огромное количество различных кадров анимации разных юнитов. Вряд ли это бы сработало. Мне хотелось сделать универсальное решение, поддерживающее разные разрешения. Кроме того, юниты могут иметь разный окрас в зависимости от применяемого к ним эффекта — заморозка, ускорение.

Приступим к боту

Бота я решил писать на Python — у него есть много доступных инструментов для ML. Свою модель я решил использовать с OpenCV, который с 3.5 научился использовать модели нейронных сетей, и я даже нашел простой пример. Попробовав несколько библиотек для работы с ADB, я выбрал pure-python-adb — там просто реализовано все, что мне надо: функция получения экрана ‘screencap’ и выполнение операции на устройстве ‘shell’; тапаю я, используя ‘input tap’. Итак, получив скриншот игры, распознав на нем юнитов и потыкав на экран, я продолжил работать над распознаванием игрового состояния. Кроме юнитов, мне нужно было сделать распознавание текущего уровня маны и доступных игроку карт. Уровень маны в игре отображается в виде прогресс-бара и цифры. Недолго думая, я стал вырезать цифру, инвертировать и распознавать с помощью pytesseract. Для определения доступных карт и их положения я использовал keypoint detector KAZE из OpenCV. Мне пока не хотелось снова возвращаться к обучению нейронной сети, и я выбрал способ, который был быстрее и проще, хоть у него в итоге и оказалась минимально достаточная точность в случае, когда нужно искать много объектов. При запуске бота я считал keypoints для всех картинок карт (всего их несколько десятков), а во время игры искал совпадения всех карт с областью карт игрока для уменьшения количества ошибок и увеличения скорости. Их сортировка происходила по точности и по координате x для получения порядка карт — информации о том, как они располагаются на экране. Немного поигравшись с параметрами, на практике я получил много ошибок, хотя какие-то сложные картинки карт, которые иногда алгоритмом ошибочно принимались за другие, распознавались с большой точностью. Пришлось добавить буфер из трех элементов: если три распознавания подряд мы получаем одни и те же значения, то условно считаем, что мы можем им доверять. После получения всей необходимой информации (юниты и их примерное положение, доступная мана и карты) можно принимать какие-то решения. Для начала я решил взять что-то простое: например, если хватает маны на доступную карту, сыграть ею на поле. Но бот еще не умеет «играть» карты — он знает, какие у нас карты, где поле, надо нажать на нужную карту, а затем на нужную клетку на поле. Зная разрешение скриншота, можно понять координаты карты и нужной клетки поля. Сейчас я завязался на точное разрешение экрана, но при необходимости от этого можно  абстрагироваться. Функция принятия решения будет возвращать массив нажатий, которые нужно сделать в ближайшее время. В общем виде наш бот будет являться бесконечным циклом (упрощенно):

бесконечно:     изображение = получить изображение     если есть действия:         сделать действие(первое действие)         небольшая задержка для правдоподобности     иначе:         юниты = распознаем юнитов(изображение)         карты = распознаем карты(изображение)         мана = распознаем ману(изображение)         действия += анализ(изображение, юниты, карты, мана)

Пока бот умеет только ставить юнитов в одну точку, но уже имеет достаточно информации, чтобы построить более сложную стратегию.

Первые проблемы

В реальности я столкнулся с неожиданной и очень неприятной проблемой. Создание скриншота через ADB занимает около 100 мс, что вносит значительную задержку — я рассчитывал на такую максимальную задержку, учитывая все расчеты и выбор действия, но не на одном шаге создания скриншота. Простого и быстрого решения найти не удалось. В теории, используя эмулятор Android, можно снимать скриншоты прямо с окна приложения, или можно сделать утилиту для стриминга изображения с телефона со сжатием через UDP и подключиться ботом к ней, но быстрых решений тут я тоже не нашел.

Построение модели

Для работы над обучением модели я установил Ubuntu 18.10, доставил пакеты для сборки, пакет OpenCL от NVIDIA и другие зависимости, собрал darknet. На Github есть раздел с простыми шагами по переобучению модели YOLO: нужно скачать модель и конфиги, поменять их и запустить переобучение. Сначала я хотел попробовать переобучить простую YOLO-модель, потом Tiny и сравнить их. Однако оказалось, что для обучения простых моделей нужно 4 ГБ памяти видеокарты, а у меня была только купленная для игр видеокарта NVIDIA GeForce GTX 1060 с 3 ГБ. Поэтому я смог сразу обучать только Tiny-модель. Разметка юнитов на изображениях у меня была в формате VOC, а YOLO работал со своим форматом, поэтому я использовал утилиту convert2Yolo для преобразования файлов аннотаций. После ночи обучения на моих 200 скриншотах я получил первые результаты, и они меня удивили — модель действительно смогла кое-что распознать правильно! Я понял, что двигаюсь в верном направлении, и решил сделать больше обучающих примеров. Продолжать размечать скриншоты мне не хотелось, и я вспомнил про кадры из анимаций юнитов. Я разметил все маленькие картинки их классами и попробовал обучить сеть на этом наборе. Результат был совсем плохим. Предполагаю, что модель не могла выделить правильные паттерны из маленьких картинок для использования на больших изображениях. После этого я решил разместить их на готовые фоны боевых арен и программно создать файл разметки VOC. Получался такой синтетический скриншот с автоматической 100% точной разметкой. Я написал скрипт на Scala, который делит скриншот на 16 квадратов 4×4 и устанавливает в их центр юнитов, чтобы они не пересекались друг с другом. Скрипт также позволил мне кастомизировать создание обучающих примеров — при получении урона юниты окрашиваются в цвет их команды (красный/синий), и при классификации я отдельно распознаю юниты разных цветов. Помимо окрашивания, получившие урон юниты разных команд имеют небольшие различия в одежде. Также я случайным образом немного увеличивал и уменьшал юнитов, чтобы модель научилась не сильно зависеть от размера юнита. В итоге я научился создавать десятки тысяч обучающих примеров, приблизительно похожих на реальные скриншоты. Генерация была не идеальной. Часто юниты ставились поверх зданий, хотя в игре они были бы за ними; не было примеров перекрытия части юнита, хотя в игре это нередкая ситуация. Но всем этим я пока решил пренебречь. Модель, полученная после нескольких ночей обучения на смеси из 200 реальных скриншотов и 5000 сгенерированных изображений, которые пересоздавались в процессе обучения раз в день, при проверке на настоящих скриншотах давала плохие результаты. Неудивительно, ведь сгенерированные картинки имеют достаточно много отличий от настоящих. Поэтому полученную модель я поставил дообучаться на скупой выборке, в которой было только 200 моих скриншотов. После этого она стала работать гораздо лучше.Чертов стыдИспользуемые источники:

• https://clashroyale-guide.ru/bot-ot-coc-builder/
• https://my-clashroyale.ru/poleznosti/bot-clash-royale/
• https://m.habr.com/ru/company/binarydistrict/blog/439352/