MaaAssistantArknights项目雷电9模拟器基建换班异常问题分析
问题现象
在MaaAssistantArknights项目中,用户报告了一个关于基建换班功能的异常现象。当使用雷电9模拟器(版本9.1.41.1)运行程序时,在未选择自定义基建配置的情况下,基建换班功能出现以下异常:
- 换班操作只完成了一半
- 制造站进驻出现完全未进驻的情况
- 基建内干员即使理智已满也不进驻
环境配置
问题出现在以下环境中:
- 操作系统:Windows 11 23H2
- 模拟器:雷电9.1.41.1(64位)
- 分辨率:1920*1080(DPI280)
- 帧率:120帧
- 未使用GPU加速
- 触控模式:MaaTouch
问题分析
通过分析用户提供的日志和录屏,可以确定问题根源与模拟器的高帧率设置和触控模式有关:
-
触控模式问题:虽然用户选择了MaaTouch模式,但实际表现更像是ADB Touch的行为,出现了滑动距离丢失的情况。
-
截图同步问题:在选人界面,程序点击的干员与实际选择的干员不一致,这表明模拟器可能传回了旧的截图数据。这种现象在高帧率模拟器中较为常见,因为高帧率可能导致截图与当前界面不同步。
-
触控精度问题:120帧的高帧率设置可能导致触控事件的精度下降,特别是在快速滑动操作时。
解决方案
针对这一问题,建议采取以下解决方案:
-
更换触控模式:将触控模式从MaaTouch切换为MiniTouch。测试表明,这一变更可以解决换班异常问题。
-
调整帧率设置:如果可能,将模拟器帧率降低到60帧,这有助于提高触控精度和截图同步性。
-
检查截图同步:在基建换班前,增加截图同步检查机制,确保获取的界面图像与当前实际界面一致。
技术建议
对于开发者和高级用户,还可以考虑以下技术措施:
-
增加触控容错机制:在基建换班逻辑中加入更多的容错检查,例如在滑动操作后验证实际滑动距离。
-
优化截图时机:在高帧率环境下,可能需要增加截图延迟或重试机制,确保获取到正确的界面状态。
-
日志增强:在触控操作日志中增加更多细节信息,便于诊断类似问题。
总结
雷电模拟器的高帧率设置与MaaAssistantArknights的触控模式之间存在兼容性问题,特别是在基建换班这类需要精确触控操作的功能上。通过切换触控模式或调整帧率设置,可以有效解决这一问题。对于开发者而言,这也提示了在高帧率环境下需要特别注意触控精度和界面同步的问题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00