AzurLaneAutoScript 模拟器活动关卡舰队选择问题分析与解决方案
2025-05-30 13:55:14作者:袁立春Spencer
问题背景
在使用 AzurLaneAutoScript (ALAS) 自动化脚本配合 MuMu 模拟器12运行碧蓝航线游戏时,用户反馈在活动关卡A1中出现了舰队选择异常问题。具体表现为:当脚本尝试选择第一舰队时,点击坐标出现偏差,导致系统反复点击"选择舰队"按钮本身而无法正确选中目标舰队,最终因操作超时而重启。
问题现象分析
从日志记录可以看出,脚本尝试在以下坐标点进行点击操作:
- (1053, 474) - 潜艇选择
- (1158, 337) - 清除第二舰队
- (1040, 228) - 选择第一舰队(首次尝试)
- 随后多次在(1057,226)、(1075,218)等相近坐标点重复尝试选择第一舰队
这些点击操作均未能成功选中目标舰队,表明坐标定位存在系统性问题。特别值得注意的是,所有点击都集中在选择按钮区域而非实际的舰队选择区域。
根本原因
经过分析,该问题主要由以下因素导致:
-
模拟器版本变更:MuMu模拟器12相较于之前版本可能在UI渲染或坐标映射机制上有所调整,导致原有的点击坐标不再准确。
-
分辨率适配问题:虽然用户设置了1280×720的DPI,但模拟器内部的实际渲染分辨率可能与脚本预设的坐标计算不匹配。
-
舰队解锁状态:一个关键因素是用户可能尚未手动解锁所有舰队。ALAS脚本在设计时假设所有舰队均已解锁可用,若实际游戏状态不符,会导致选择逻辑失效。
解决方案
临时解决方案
-
手动解锁舰队:
- 进入游戏设置
- 手动解锁所有可用舰队
- 确保至少两个舰队处于可用状态
-
手动完成首次活动关卡:
- 暂时关闭ALAS脚本
- 手动完成目标活动关卡的首次通关
- 确保游戏状态正常后再启用自动化
长期解决方案
-
坐标校准:
- 使用ALAS内置的调试工具重新校准点击坐标
- 特别关注舰队选择界面的各个功能区域
-
模拟器设置调整:
- 检查模拟器显示设置,确保与脚本预设分辨率完全一致
- 考虑使用更稳定的模拟器版本(如MuMu模拟器经典版)
-
脚本配置更新:
- 检查并更新ALAS中的活动关卡模块配置
- 确保选择了正确的活动类型和关卡编号
最佳实践建议
-
环境一致性:保持测试环境与生产环境的一致性,包括模拟器版本、分辨率和游戏版本。
-
分步验证:在启用全自动运行前,先使用ALAS的步进模式验证各个操作环节。
-
日志监控:定期检查运行日志,及时发现和定位异常操作。
-
社区支持:遇到类似问题时,可以参考ALAS社区的其他解决方案或提交详细的问题报告。
通过以上措施,用户应该能够解决活动关卡中舰队选择异常的问题,并确保ALAS脚本在MuMu模拟器12上的稳定运行。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137