# HonorNet 🎮

> 一个基于行为克隆的王者荣耀AI，从零开始，在Mac上训练，在Android模拟器中运行。

[![MIT License](https://img.shields.io/badge/License-MIT-green.svg)](LICENSE)
[![Python 3.9+](https://img.shields.io/badge/python-3.9+-blue.svg)](https://www.python.org/)
[![PyTorch](https://img.shields.io/badge/PyTorch-2.0+-red.svg)](https://pytorch.org/)

## ✨ 项目简介

**HonorNet** 是一个完全开源的王者荣耀AI项目。它的特点：

- 🍎 **在Mac上训练**：利用Apple Silicon的MPS加速
- 📱 **控制Android模拟器**：通过ADB截图和发送触摸事件
- 🧠 **行为克隆**：学习人类玩家的操作数据
- 🎯 **16个动作空间**：移动8方向 + 技能 + 攻击 + 战术
- 🔓 **MIT协议**：完全开源，任意使用

这不是一个“调用API”的demo，而是一个**从数据采集到模型训练再到部署**的完整工程。

## 🎯 项目状态

| 阶段 | 状态 |
|------|------|
| 数据采集 | ✅ 完成（886帧标注） |
| 行为克隆训练 | ✅ 完成（验证准确率54.5%） |
| 模拟器部署 | ✅ 完成 |
| 强化学习微调 | 🚧 进行中 |

## 🏗️ 项目结构

```
HonorNet/
├── data/              # 数据处理脚本
├── models/            # 模型定义 + 训练
├── inference/         # 模拟器控制 + AI运行
├── config.py          # 配置文件
└── requirements.txt   # 依赖
```

## 🚀 快速开始

### 1. 环境配置

```bash
# 克隆仓库
git lfs clone https://huggingface.co/clarenceleo/HonorNet_v1
cd HonorNet_v1

# 安装依赖
pip install -r requirements.txt

# 安装ADB（macOS）
brew install android-platform-tools
```

### 2. 准备数据

将王者荣耀1v1录屏放入 `data/raw_videos/`，然后：

```bash
# 抽帧
python data/extract_frames.py

# 预处理
python data/preprocess.py

# 标注动作（可选，我们提供了标注工具）
python data/annotate.py
```

### 3. 训练模型

```bash
python models/train_bc.py
```

### 4. 让AI打游戏

1. 启动Android模拟器，打开王者荣耀1v1模式
2. 运行AI：

```bash
python inference/run_ai.py
```

## 📊 训练结果

使用886帧标注数据训练50轮：

| 指标 | 数值 |
|------|------|
| 最佳验证准确率 | **54.49%** |
| 随机基线 | 6.25% |
| 训练准确率 | 95.48% |

**54.5%的准确率意味着AI学会了**：
- 根据画面判断移动方向
- 何时普攻、放技能
- 何时回城、升级

## 🛠️ 技术栈

- **PyTorch**：深度学习框架
- **ADB**：Android调试桥，控制模拟器
- **OpenCV**：图像处理
- **Android Studio AVD**：模拟器运行环境

## 📈 后续计划

- [ ] 强化学习微调（PPO）
- [ ] 支持更多英雄
- [ ] 5v5多智能体
- [ ] 实时学习（边打边学）

## 🤝 贡献

模型开发与训练数据清洗标注：李天祎（1637321445@qq.com）
训练数据录制与提供：姜懿原

欢迎提交Issue和Pull Request！