愤怒的小鸟修改器(云玩乐高愤怒的小鸟系列，75824猪城毁灭)

愤怒的小鸟修改器(云玩乐高愤怒的小鸟系列，75824猪城毁灭)

愤怒的小鸟修改器文章列表:

• 1、云玩乐高愤怒的小鸟系列，75824猪城毁灭
• 2、你当年没玩好的愤怒的小鸟，AI现在也犯难了
• 3、04.09佳软推荐:沉浸在美妙的世界5款App
• 4、愤怒的小鸟开发商因涉嫌侵犯儿童隐私被起诉
• 5、OPPO又在AI&AR搞事情 开发者的天堂来临

云玩乐高愤怒的小鸟系列，75824猪城毁灭

今天我们来云玩《愤怒的小鸟》电影中的乐高套装，编号为75824的猪城毁灭，这一款套装的内容看起来相当丰富，我以及迫不及待了，让我们开始吧。

套装内有两个鸟仔，一只是胖红一只是斯特拉，胖红粗粗的眉毛和愤怒的表情都有体现出来。

它们手臂上还有羽毛的细节。

当然少不了的还有两只猪猪了，他们除了面部表情的不同，其他都是一样的。

套装内有一个弹射器，把小鸟发射出去是该套装的核心玩法。

猪城的建筑配色很鲜艳，不过看起来摇摇欲坠的，不知道这些猪猪是怎么想的（我理解不了猪的脑回路）

这是一个热狗摊，摊位前摆放着热狗与酱料。

右边是一个冰淇淋槽，旁边还有一部电话。

鸟蛋被藏在蓝色的小房子里。

当你砸中中间的小风扇时，右侧的岩石会掉落，砸翻下面装满炸药的箱子，然后“轰”！

当你砸中顶部的岩石，就会有一只小猪顺着绳索滑下来。

当你砸中气球的时候（猪猪已经预感到了不妙）

猪猪：果然……

猪猪全军覆没，猪城毁灭。

这一款的可玩性是非常棒的，你可以帮助鸟儿们去打跑那些偷蛋的猪，不过把鸟儿发射出去然后击中目标还是需要一些准头的（打不中我们就再来一次！）

（图片源自brickset）

那本期我们的云玩评测就到这里啦，更多精彩，敬请关注《坏雪的乐高仓库》和《吉姆的世界》，我是花椒，我们下期再见~

你当年没玩好的愤怒的小鸟，AI现在也犯难了

（图片源自百度百科）

作者 | Ekaterina Nikonova，Jakub Gemrot

译者 | Tianyu

出品 | AI科技大本营（ID:rgznai100）

现在说起《愤怒的小鸟》游戏，要把人的回忆一下拉扯到差不多十年前了。

它是一款当时一经推出就广受欢迎的游戏，玩家可以用弹弓把若干只小鸟弹射出去，目标是摧毁所有绿色的猪，并获得尽可能高的分数，经常有很多猪藏在复杂的结构之中。由于顺序的决策、不确定的游戏环境、复杂的状态和动作、功能特性不同的鸟，以及最佳弹射时机等因素，都使得《愤怒的小鸟》很难拥有一款好的 AI 代理。

近日，来自捷克查理大学的研究者发布论文《Deep Q-Network for Angry Birds》称，他们采用 DDDQN（Double Dueling Deep Q-network）算法实现了一款深度强化学习应用，可以用来玩《愤怒的小鸟》。他们的目的之一是创造一个游戏智能体，可以基于之前玩家在前21关的游戏记录来进行游戏闯关。

为了实现这一目的，他们收集了游戏记录的数据集，为 DQN 游戏代理提供了多种多样的方案。游戏中需要做很多有关顺序的决策，两次弹射之间会相互影响，每一次弹射的精准度也很重要。例如，一次糟糕的决策可能会导致一只猪被若干个物体卡住。因此，为了更好地完成游戏中的任务，游戏代理要有基于决策对结果进行预测和模拟的能力。

以下为《Deep Q-Network for Angry Birds》论文的内容概述：

相关工作

2012年，首次举办了《愤怒的小鸟》 AI 大赛，随之出现了很多款游戏代理。在这里介绍两款比较优秀的代理，第一个是由来自捷克技术大学的队伍所开发的 Datalab Birds 2014，该游戏代理至今保持着第三名的位置。就像他们在论文中描述的，他们的主要思想是基于当前环境、可能的弹射轨迹和鸟的类型来制定最佳策略。第二个是由滑铁卢大学和 Zazzle 在 2017 《愤怒的小鸟》AI 大赛中共同开发的 Eagles Wings 智能玩家，他们的代理目前排在第 16 位。据称，该游戏代理基于人工调试过的结构分析，即在多个策略中做选择，开发了一项简单的多策略能力。他们使用了机器学习算法 xgboost 学习决策制定能力。

背景介绍

为了解决《愤怒的小鸟》中的顺序决策问题，我们基于每个时间步长来考虑游戏环境 ε 。在每个时间步长 t，代理都会得到观察值St，然后从可能的动作集中选择一个动作

，接下来会得到奖励项

。接下来代理的目标是基于下面的公式将奖励项最大化：

在上面的公式中，s 为当前状态，a 为所选的动作，为奖励项，

是权重系数，来决定奖励项对未来结果的重要性。现在我们定义最佳 Q 值如下：

在每个状态选择最大值所对应的动作，我们就可以获得最佳策略。

DQN 算法理论基础

为了模拟最佳 action-value 函数，我们使用深度神经网络作为非线性函数逼近器，我们定义一个逼近函数：

其中，

为 Q 网络进行第 i 次迭代的权重。

如论文中所说，将强化学习算法与非线性函数逼近器，如神经网络，结合使用会不稳定，甚至产生偏移，原因如下：a) 序列中观察值之间的关联性；b) Q 值与 target 值

之间的关联性；c) 该方法对 Q 值的变化极其敏感。

Deep Q-learning 试图用技术解决第一个问题，即经验回放。该技术通过将所收集的数据随机化，去除了序列中观测值之间的相关性。我们对经验的定义如下：

其中，

为 t 时刻的状态，

为 t 时刻采取的动作，

为 t 1 时刻的奖励，

为执行后的状态。我们将经验保存在经验集中：

接下来，我们从经验集 M 中抽样出部分经验，在 Q 网络中对 Q 值进行更新。

为了解决第二个问题，需要用到下面的损失函数：

其中，i 为迭代次数，

为权重系数，

为实时网络的权重，

为目标网络的权重。

接下来，我们 DQN 的目标如下：

A. Double Deep Q-Networks

原始的 DQN 算法对动作选择和动作表现的评估两个步骤都采用了最大值，这很可能导致过度估计。基于这一缺陷，Double Q-learning 算法产生了。不同于传统 DQN 算法仅使用一个神经网络，如今我们使用一个网络选择动作，再使用另一个网络对所做的决策进行评估。因此，我们可以将原始的 Q-learning 目标改写为：

其中，

为实时权重，

为第二个权重集，即用实时权重进行动作选择，用第二个权重对其评估。幸运的是，同样的方法也可以应用到 DQN 算法中，我们可以对更新函数进行替换，如下：

其中，为 DQN 的实时权重，

为目标 DQN 的权重。

B. Dueling Deep Q-Networks

在某些场景中，不同动作获得的值是很接近的，没必要对每个动作进行评估。在《愤怒的小鸟》中，有时候玩家会陷入某种无解的处境，如猪被一些物体卡住了。在这种情况下，无论采取什么动作都是一样的结果，因此任何动作的得分都是几乎一样的，而我们只在意这个状态本身的分数。考虑到对这些场景的优化，Dueling 结构应运而生了。为了实现 Dueling Q-learning 结构，我们需要使用两个全连接层。将卷积层的输出分成两部分后，我们需要再把它们结合以获得 Q 函数。首先定义价值函数：

优势函数为：

也就是说，价值函数可以告诉我们某个具体状态的好坏程度，而优势函数告诉我们每个动作的重要性。这样我们可以构造我们的第一个全连接层，得到输出

，以及第二个全连接层，可得到输出

，此处的 α 和 β 都是全连接层的权重，θ 为卷积层的权重。为了将两个值结合并获得 Q 值，我们定义网络的最后一个模块如下：

这样我们就得到了价值估计函数和优势估计函数，将其与之前定义好的 Deep Q-network 和 Double Q-learning 结合使用，就可以用在《愤怒的小鸟》这款游戏中了。

将 DQN 应用于 AIBIRDS

为了将 DQN 应用于《愤怒的小鸟》，我们首先需要定义：a) 状态，b) 动作，c) Q-network 结构，d) 奖励函数。AIBirds 竞赛组织方提供了可以对游戏进行截图的软件，可以得到 840x480 像素的图片。图1为逐步处理图片的过程。

图1：游戏截图的处理过程，从左到右：原始截图，剪裁，调整大小，标准化

我们规定动作为

，其中每个数字代表射出的角度。接下来，我们基于软件为每个给定角度找到最终的释放点。为了计算释放点，轨迹模块首先寻找弹弓的参考点，然后计算释放点。

我们的 DQN 结构是基于 Google DeepMind DQN 的，图2为我们的 DQN 结构。该模型包括4个卷积层，kernel 分别为 8x8，4x4，3x3，7x7，strides 分别为 4x4，2x2，2x2，1x1。最后一个卷积层后面连接了两个 flatten 层，最后结合生成 Q 值。

图2：

Double Dueling DQN 结构

奖励函数所使用的技术通常被称为奖励修剪（reward clipping）。这种方法将很大或很小的分数修剪为1或-1分的得分，来代表一个好动作或坏动作。《愤怒的小鸟》这款游戏的主要目标除了过关，还要活得尽可能高的分数。考虑到这一点，我们需要改变奖励函数，如下：

上式中，score 为 s 状态下采用动作 a 后的分数，maximum score of current level 为当前关卡的历史最高得分。基于这个公式，我们期望游戏代理可以学习分数的重要性，并通过学习动作的奖励机制来刷新当前关卡的得分。

A. 训练集

我们的训练集包括《愤怒的小鸟》经典系列的21个关卡。在训练阶段，游戏代理基于 115000 张图进行网络的训练。在游戏截屏前，代理需要等候5秒钟。这一项小调整是必需的，为了让鸟被发射后所产生的震动得以平复下来。

B. 验证集

我们的验证集包括《愤怒的小鸟》经典系列的10个关卡。由于代理的训练集中只有红鸟、蓝鸟和黄鸟，所以我们不得不挑选没有新鸟的关卡作为验证集。从第二页和第三页挑选的关卡比第一页的难度要高一些。在玩这些关卡时，玩家必须找到一些不太明显的结构上的弱点，并提前仔细规划策略。

结果

我们对竞赛中几个参赛结果进行了对比，如图3。对不同的代理结果进行对比，可以帮助我们了解哪项 AI 技术更适用于《愤怒的小鸟》这款游戏。然而我们仍然无法搞清楚的是，和人类比起来这些游戏代理表现如何。

图3：几个不同的 DQN 代理对比

本篇论文中，我们还进行了 AI 和人类的对比。人类参赛者可以进行无数次尝试，直到参赛者觉得已经获得了自己的最佳分数。我们从不同水平的人中挑选参与实验者，玩家1和玩家3有玩《愤怒的小鸟》的4年游戏经验。玩家2很久之前玩过几次这款游戏，没有太多经验。玩家4过去常常玩这款游戏，但最近没怎么玩过。

如图4所示，我们的游戏代理在总分上超过了一个人类玩家，而输给了其他玩家。产生这一结果的主要原因是，代理无法通过第18关。在其他关卡中，代理可以在某些关卡上超过一些玩家。总的来说，我们的 DQN 代理在前21关获得了 1007189 分，它败给了四位人类玩家中的三位。因此我们的代理还存在非常大的提升空间。

图4：DQN 代理与人类玩家的游戏得分对比

图5位代理在验证集上的表现。如我们所料，对于代理之前没有见过的关卡，大都无法通过。

图5：DQN 代理在验证集上的结果

《愤怒的小鸟》 AI 大赛结果

除了将我们的代理与人类玩家进行对比以外，我们在 IJCAI-2018 大会上做了展示，参加了《愤怒的小鸟》 AI 大赛。该竞赛本身包括三轮：四分之一决赛、半决赛和总决赛。每一轮中，参赛的游戏代理要面对 8 个之前未见过的关卡。

表1展示了四分之一赛中全部游戏代理的总分数，在全部基于神经网络的代理中，我们的 DQ-Birds 表现最好，通过了 8 个关卡中的 3 个。MYTBirds 也使用了神经网络，但只通过了一个关卡。其它代理均使用了除神经网络以外的方法。

表1

结论

对于 AI 代理来说，《愤怒的小鸟》这款游戏始终是一项艰巨的任务。我们提出了一种基于 Double Dueling DQN 的游戏代理来试图解决游戏中的顺序决策问题。在目前的研究工作中，我们没有达成的目标是在这款游戏中超越人类玩家。但好的一点是，我们的代理只需要一次机会就可以通关。另外有趣的是，在大多数情况下，它只用了一次精准的弹射就击中了关键点，通过了关卡。

总之，尽管我们的代理超过了部分之前的玩家，并在 AIBirds 比赛中超过了部分参赛者，但仍存在很大的进步空间。例如，我们可以尝试在奖励函数中加入超参数。我们还可以尝试如今已公开的全部深度强化学习优化技术。下一步，我们计划基于更多的游戏关卡对游戏代理进行训练。

（*本文为 AI科技大本营编译文章，转载请微信联系 1092722531）

◆

◆

04.09佳软推荐:沉浸在美妙的世界5款App

《每日佳软推荐》依托于ZOL软件下载频道，该栏目涵盖iOS、Android两大平台。从手机软件、手机游戏，我们每天都会为大家推荐几款实用的应用、或者编辑认为有意思的热门的应用，并且提供下载。ZOL手机应用频道一直致力于为广大网友提供最快最好最全面的手机应用下载服务，为大家提供最新最全面的浏览器、直播平台、影音播放、社交聊天、网络软件、应用工具、游戏娱乐、导航地图和主题壁纸等丰富的APP下载。

04月09日每日佳软推荐：

“鸭嘴兽泰瑞在哪里”是一个极具挑战性的物理解谜的益智游戏，你需要使用水的各种形态--液态、固态或气态--才能突破重重难关。触控式的操作方式，逼真生动的密探主题画面，还有最棒的激光，让玩家在密探 P 的世界里畅快游玩！

软件截图

04月09日每日佳软推荐：

周年庆典浪漫来袭，全新界面、T台秀玩法、百变梦幻装扮、时尚造型天团、定制上传歌曲、真实交友互动，豪礼多多，一起来跳舞吧！

软件截图

思黛拉和小伙伴们一起愉快的冒险。但是盖雅逐渐沉迷于捕猎神秘金蛋，并且逐渐获得了捣蛋猪的支持。很快，她开始给这些忠实的仆猪们下达了各种荒诞的指令，从此她得名“坏坏公主”。有一天，盖雅指示捣蛋猪入侵大树村。直到此时思黛拉才意识到盖雅变了。为了保护大树村，思黛拉和小伙伴们开始了驱逐盖雅和捣蛋猪的战斗。

软件截图

04月09日每日佳软推荐：

《求合体》是一款结合三消与城镇建设玩法的益智休闲类游戏。玩家在游戏中扮演村庄的建设者。这个村子叫做Sunlitun。为了村民可以生活的更加美满幸福,玩家在Sunlitun村中为村民建造各式各样的房屋。在Sunlitun这个平和村子里,会有一些可爱的猫咪来捣乱。它们通过各种声音来吓唬村民。消灭它们也是玩家的任务之一。

软件截图

与美人鱼畅游华丽逼真的海底世界!可爱萌宠个个身怀绝技!让你欲罢不能的捕鱼游戏!唯一不带广告的捕鱼游戏!

愤怒的小鸟开发商因涉嫌侵犯儿童隐私被起诉

最近，新墨西哥州总检察长Hector Balderas向联邦地区法院提起诉讼，指控《愤怒的小鸟》的开发商Rovio娱乐公司收集并出售13岁以下儿童的个人数据。

Hector Balderas认为，Rovio娱乐“通过这款应用，销售与该应用相关的虚拟和实体商品，以及各种相关媒体和商品，以获取经济利益。”他还声称，Rovio娱乐公司“通过在儿童玩《愤怒的小鸟》游戏时窃取他们的个人信息，然后利用这些个人信息进行商业利用，以从中获利。”孩子们所看到的个性化广告证明了这一点。

Hector Balderas确信，这对儿童来说是一个安全隐患，因为它违反了美国的《儿童在线隐私保护法》。根据这些信息，Rovio娱乐可能会受到处罚。

《愤怒的小鸟》是下载量最高的手机游戏之一，下载量接近45亿次。

OPPO又在AI&AR搞事情 开发者的天堂来临

2019年4月13日，OPPO在北京举办了技术开放日第三期“AI&AR应用的高效开发实践”。给我的感触还是比较深的，下面我就详细的跟大家聊一聊，OPPO又搞了哪些事情。

AI=Breeno语音技能平台，AR=ARunit

开头提到了，本期的OPPO技术开发日以“AI&AR应用的高效开发实践”为主题，邀请了 OPPO Breeno语音、ARunit的等多位产品负责人，以及汽车之家高级算法工程师和神奇AR CEO，共同围绕AI和AR两大方向，和开发者一起分享应用实践成果，聚焦技术发展趋势，解读OPPO AI&AR方向的相关扶持政策。

主要是围绕AI和AR这两大话题，去展开的活动。AI指的是最近发布的OPPO Reno搭载的Breeno语音技能平台，而AR指的是ARunit，也是OPPO近期发布的一款OPPO AR开发平台。

听了几位代表的演讲后，我发现，OPPO这个技术开放日大会，确实不简单。

Breeno语音技能平台的初心就是想服务好用户

其实说到语音助手这个产业，我已经拥有两年的研究经验。先来简单的盘点一下：

苹果2011年推出了Siri，称得上是比较早的语音助手。

Siri

随后微软也加入语音助手的战场，2014年推出Cortana。

Cortana

同年，亚马逊推出Alexa。

谷歌稍晚些，于2016年推出Google Assistant。

Google Assistant

直到2017年，三星追赶上了，推出了Bixby。2018年，荣耀推出智慧生命体YOYO。

到了今年，OPPO推出Breeno语音助手。

实际上，人们对语音助手的使用习惯和产品理解，是拥有的，平时问个天气、导个航等等，一些简单常规的操作，是个语音助手都可以办到。

但是如果你想要问它“王者荣耀哪个英雄最漂亮？”、“欢乐谷什么项目好玩一点？”等需要思维转几个弯的问题，一般的语音助手的解决方式是，将你所说的话转换成文字，然后百度，将百度搜索出来的页面展示给你看。

而OPPO这次推出Breeno语音助手，就是为了更好的服务于用户，让Breeno拥有，问啥都懂、问啥都知道怎么做的这种能力。

但是，这确确实实是一项大的工程。神奇AR的CEO张鹤有一句话我印象特别深刻，他说：虚拟世界现在是一张白纸，这里面有太多东西需要填补，作为创业公司不可能所有东西都自己做，我们希望内容产业进到技术里面来，内容产业进来以后可以直接给到用户。

所以说，OPPO今天开的“AI&AR应用的高效开发实践”大会，就是想让更多的开发者，全世界的内容团队，去帮助OPPO的产品填充内容，做更加深度的人机交互体验。

开发者团队把资源及优质的语言技能给了OPPO产品 好处是什么？

打个比方，我是名王者荣耀粉丝，我经常去问我的OPPO手机一些关于王者荣耀的问题“王者荣耀上单什么去玩？”“王者荣耀哪个女英雄长得好看？”等等，这种关于《王者荣耀》的问答需要交给王者荣耀的开发者团队，去补充全面。那么，开发者团队把资源及优质的语言技能给了OPPO产品，好处是什么？

Breeno语音产品负责人庞佳宁给现场开发者们详细介绍了Breeno平台的全方位多角度扶持政策。为了全方位助力开发者开发优质的语音技能，Breeno语音技能平台将给予多元化资源内容的接入形态支持，提供多终端用户场景和流量，让语音技能的应用更加轻松地触达海量OPPO用户；同时，将为开发者提供从产品到技术开发的人力支持，协助开发者从创建到上线推广的各个流程和环节，助力产品快速接入并上线标杆技能。

无论是从流量层面、人力支持还是其他多重资源位曝光等各个方面，Breeno语音技能平台都将全力支持每一位优质开发者，通过多角度、多层次的政策扶持，让Breeno语音快速成为开发者们的优质之选。

没错，OPPO有大量的终端用户，在流量方面掌握大把的资源。我们知道，当今的营销体制，并不是你的产品有多好，你的销售额就高，而是你拥有多少的粉丝、IP、流量，才能够有更多的用户了解到你的产业。这也是当代互联网产业的规则。

“大家都知道OPPO流量大，到底有多大，我们现在真实技能超过一百项，终端设备三千万，我们希望有一亿用户覆盖，光是流量大不足够吸引开发者，所有APP流量都大，语音技能流量大以外，还有很显著的特征，什么样的用户喜欢玩AI，白领用户多，年轻人多，消费能力强，语音类的技能为各位开发者，先天选择了一批高价值的核心用户。”Breeno语音产品负责人庞佳宁说。

创建语音技能难不难？答：最难的技术和算法支持由OPPO搞定

前面讲述了，OPPO把握住了Android系统开源的特点，将Breeno打造成一个语音技能开放平台，让全球各地的开发者们去填充内容。那么，创建一个语音技能难不难？答：还真不难。

现在，OPPO已经为开发者们开放了OPPO智慧服务生态，创建一个简单的语音技能大概需要5分钟的时间，有兴趣的开发者朋友可以点击上方链接，一睹为快。并且这个平台可以无限体验，没有门槛也没有限时。

ARunit同样开放新技术 写手开发者探索新的应用场景

说完了OPPO将在AI层面的布局后，接下来开始讲解AR领域在ARunit上的探索及规划。

OPPO算法工程师曾凡涛

OPPO ARunit算法工程师在《ARunit：应用开发框架&流程解析》的演讲中，对ARunit的应用开发框架和流程进行了全面介绍。OPPO ARunit平台目前已支持即时定位与地图构建（SLAM）、多平面恢复、光照估计等功能，可助力开发者打造出具有突破性用户体验的全新AR应用。

OPPO AR产品负责人刘慧敏

随着ARunit平台的持续升级，让AR应用的开发流畅达到更加精简化的状态，方便每一位开发者将精力全身心的投入在产品的玩法及开发中，让开发者们打造更加优质的产品，也为用户带来更舒爽的享受。

AR的未来一定是线上和线下的结合

我对神奇AR的CEO张鹤的发言印象颇深，他为我们诠释了AR未来发展的走向：AR的未来一定是线上和线下的结合。他这样说：

最近大火的一起来捉妖，它是非常好的载体，可以实现非常好的整合，一起来捉妖把线上和线下资源整合在一起，一起捉妖就是未来典型的应用我作为老互联网人，LBS技术是命运多舛，过去二十年开发技术没有善终，我对一起来捉妖非常期待，它把玩家引导到线下，我引导你到商场，或者饭店消费，你如果在这个地方消费，我给你特别的妖，没有见过稀有的内容，给你经验值加分，会不会去？肯定很多玩家会去，这是线上线下结合非常好的案例，一起来捉妖也是非常好的普及效果。

水果忍者还有愤怒小鸟，非常快普及到了智能屏的概念，让大家从一个奢侈品迅速变成新一代硬件平台，一起来捉妖我非常希望它在AR行业里面起到引导作用。

写到最后

实际上，OPPO打开智慧服务生态，未来一定是“三赢”的局面。

首先，对于用户来说，我使用OPPO手机能够体会到更加极致的语音交互内容，因为OPPO这次的技术开放日势必会吸引大量开发者去参与语音内容技能的建设。数千万原创开发者共同造建的语音生态体系，是其他任何一款手机的语音助手不可比拟的。

对于开发者来讲，上述也说过，OPPO能够为其带来广阔的流量，包括会有为优质的开发者提供技能推荐位置，包括全方位多角度扶持政策等等。

对于OPPO自己来讲，既能服务好用户，又能够整合开发者带来的海量资源及内容数据，对日后OPPO的产品发展是光明的。

未来，OPPO将携手广大开发者，耕耘在AI与AR领域上，为用户带来更多优质的服务及真正意义上充满智慧的人机交互，这是值得我们消费者所期待的。

APP商店搜索中关村在线，看2018年最新手机、笔记本评价排行