终极指南：如何使用IAMDinosaur训练Chrome恐龙游戏AI

还在为Chrome离线恐龙游戏中的仙人掌发愁吗？🤔 IAMDinosaur项目为你带来革命性的解决方案！这个基于神经网络和遗传算法的AI系统能够自动训练Chrome恐龙跳跃仙人掌，让你见证人工智能的奇妙力量。

🎯 项目核心功能

IAMDinosaur是一个专门为Google Chrome离线恐龙游戏设计的AI训练系统。通过读取屏幕像素信息，系统能够：

• 智能感知环境：检测下一个仙人掌的距离、长度和速度
• 自动决策：根据神经网络输出决定跳跃时机
• 持续进化：通过遗传算法不断优化AI表现

🚀 快速开始指南

环境准备

首先确保你的系统已安装Node.js，然后克隆项目：

git clone https://gitcode.com/gh_mirrors/ia/IAMDinosaur
cd IAMDinosaur
npm install

启动训练

1. 打开Chrome浏览器，进入开发者工具的网络面板，设置为离线模式
2. 在同一屏幕上运行 node index 命令
3. 程序会自动定位游戏界面，按下 s 键开始AI学习

🔬 技术实现原理

神经网络架构

项目使用三层神经网络，输入层包含三个节点：

• 下一个仙人掌的距离
• 仙人掌的长度
• 当前仙人掌的速度

输出层根据激活值决定操作：

• 小于0.45：按下键（躲避低空障碍）
• 大于0.55：按上键（跳跃）
• 默认值：释放所有按键

遗传算法优化

每个世代包含12个神经网络基因组：

• 自然选择：淘汰表现最差的基因组
• 交叉变异：选择优秀基因组进行交叉和随机变异
• 持续进化：不断生成新的世代，提升AI性能

📁 核心模块解析

GameManipulator.js

负责游戏交互的核心模块，包括：

• 读取传感器数据
• 应用神经网络输出到游戏
• 计算得分和游戏状态跟踪

Learner.js

遗传算法的实现核心，包含：

• 世代运行管理
• 自然选择算法
• 交叉变异操作

Scanner.js

基于RobotJs库的屏幕读取抽象层，实现类似光线追踪的像素分析。

💡 实用技巧与注意事项

解决游戏漂移问题

Chrome恐龙游戏存在一个已知的漂移bug，恐龙会随时间向右移动。可通过以下代码修复：

setInterval(function(){
  Runner.instance_.tRex.xPos = 21
}, 2000)

基因组管理

• 已训练的基因组保存在 genomes 文件夹
• 支持加载现有基因组继续训练
• 使用 o 键保存当前世代

🎉 成果展示

经过训练的IAMDinosaur AI能够：

• 自动识别游戏中的仙人掌障碍
• 精确计算跳跃时机
• 持续改进表现，创造更高分数

这个项目不仅展示了AI在游戏中的应用潜力，更为初学者提供了学习神经网络和遗传算法的绝佳案例。无论你是AI爱好者还是游戏玩家，IAMDinosaur都值得一试！🌟