【阅读时间】5min - 7min 2810 words
【内容简介】本文总结了解决问题{如何在跳一跳上快速取得高分的问题}，分为人类解决方案，机器解决方案两部分

问题描述

对于微信跳一跳来说，问题描述很直观

• 【玩游戏的心态】游戏本身有没有什么小技巧？
  • 特殊的加分技巧有哪些？
  • 如何才能不紧张？
• 【解题目的心态】每一次【跳跃】如何不掉下去？
  • 每一跳，看到目标墩后，需要按多久？
  • 目标墩和小人的距离是多少？

游戏机制

考虑到这是一个【按得时间越久，跳的距离越远的游戏】，也就是说：不摔死才是王道！问题描述已经如此明了，依次解决就好

加分机制

【1】特殊墩。停留2s，可加对应分数

【2】连击跳。连续中心点，+2 +4 …… （是个人都知道）

【3】快速跳。落地之后马上起跳，可以在下一次落地即使也从+1变为+2

按压时间与跳跃距离

直说结论，微信跳一跳的按压时间和跳跃距离是大约线性关系（根据其他大神的验证和精确测试，并不是完美线性关系）

打开声音，在蓄力的过程会有嘟嘟声，两次声音之间0.105秒左右，而每次跳跃的距离可以用尺子量出来。拟合（找一条直线看看是否能正好通过所有的点）后是个直线

写成公式的话为
$$
按压时间 = k \times 目标墩中心和小人的距离
$$
其实只要针对你的手机把这个k拟合出来就好（iOS，非Plus系列，k = 2.045）

设计原则

对于游戏设计来说，一款优秀的【休闲游戏】一定要满足三点

• 核心规则简单
• 容易失误
• 回报和难度成正比 + 随机奖励

所以，跳一跳能火爆，除了好友圈（这里包含微信强大的整合推广能力）之中的攀比心理，更是在这三点都做的相当出色

解决方案

不是每个人都闲着没事做去搞得那么复杂来玩这个游戏，只有两种人会这么做，一种好胜心装逼心爆炸的，另一种就是吃饱了撑着（估计我是两者兼而有之），所以根据现根据前一种人来说，给出的解决方案就是【技巧上】

技巧

游戏技巧当然是利用【比较容易达成】的手段来减少失误的方法，这款游戏考验的核心节奏感，控制力

【节奏感】

大家都知道默数一分钟这个游戏吧

能完美默数60s，并且每一秒差距都不大的同学，在这部分就有很高的天赋了。当然还有学乐器，长时间锻炼的同学也是

【控制力】

也叫手残部分。你的APM（每分钟操作次数）速度，控制自己手的能力都考虑其中。

有个游戏是掉尺子抓住，看谁抓的位置更靠上，控制力包含对手的掌控力+反应速度，在这个游戏能取得很棒成绩的同学，你的得分肯定不会低

当然，所有这两点，都是可以通过不断的锻炼（花时间疯狂跳）来提高（这和花时间练琴才能弹的越来越好是一个道理）。只是有些人提高的快，有些同学可能提高的慢，而且很不幸，这种提升是一个Logistic曲线（有天花板）

天赋这东西就是这样，你在这里不擅长，太正常不过。每个人天赋都在不同的领域，所以放宽心才是王道，别太较真（跳一跳跳出一场轰轰烈烈的人生，我的天）

以下就是一些小技巧

用纸贴住分数

紧张和手不稳是【失误】的最大元凶，所以贴住分数有奇效

建立自己的模型

个人建议自己把距离分为4类

• 很近（人和墩基本贴起来，一看就觉得好近）
• 很远（看起来就远的那种）
• 介于两者之间但是靠很近
• 介于两者之间但是靠很远

在新墩出现的时候，先用0.5秒分一个类

【4类】原则，宁愿多按一点不少按

【1类】原则，蜻蜓点水千万不多

【2 3类】是最容易出问题的类别，如果失误，根据【第二设计原则】，太正常，如果太容易高分，成就感也会被压缩到很小，所以这是必须的，大侠从头来过就好

小墩

对于遇到看起来非常小的墩（小药瓶，天崩地裂）

首先，不要虚，个人虽然没有验证，但是小的目标，感觉能跳上去的阈值也会大一些（或说磁铁or吸附效应），只要按照4分类模型来跳，上垒的可能性还是挺高的

多跳

用时间积累，就和练钢琴是一个套路，身体的肌肉根据你看的图像产生反应，如果已经成为一种自然反应，分数肯定不会低

正常方案

解决这个问题，就是计算目标墩中心和小人的距离，那么目标墩的位置（目标位置），和小人的位置（起跳点位置）就是待求量

但是这些正常方案都需要在每一跳花费一定时间，非大毅力者不可为

听音法

量距离 ➜ 查表 ➜ 专心听 ➜ 数嘟嘟声 ➜ 到次数放

（不做评价，累）优势是如果每次都很准，+32 +64 可能都不是梦想吧？

滑动屏幕法

然后，匀速的速度是 5.1 cm/s

（这个方法，感觉比靠感觉更容易失误）这个方法并没有每次都可以跳到中心的特点，个人感觉这个网站找到的方法有点做负功

程序方案

市面上很多的【外挂】或者说【脚本】基本都是这个方案，还有一些直接截包的可能更加暴力一些

手机和电脑交互方法

电脑手机连接起来，并且手机可以和电脑交换数据（API），比如电脑可以控制按压时间，电脑可以控制手机截图之类的基本交互操作

Android有adb工具，iOS有WebDriverAgent

算法流程图

截图 ➜ 算出小人位置 ➜ 算出目标墩位置 ➜ 计算按压时间 ➜ 利用API操控手机按压 ➜ 跳

其实流程图非常简单，直接单线程就搞定了（没有循环结构和分支结构，都不用用其他软件画了）

主要如何计算小人位置，和计算目标墩位置两部分是关键

多尺度搜索

利用OpenCV，图像处理，可以把所有小人抠图出来和图像进行匹配，最后选取置信度最高的，找出小人位置。代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

def multi_scale_search(pivot, screen, range=0.3, num=10):
    H, W = screen.shape[:2]
    h, w = pivot.shape[:2]

    found = None
    for scale in np.linspace(1-range, 1+range, num)[::-1]:
        resized = cv2.resize(screen, (int(W * scale), int(H * scale)))
        r = W / float(resized.shape[1])
        if resized.shape[0] < h or resized.shape[1] < w:
            break
        res = cv2.matchTemplate(resized, pivot, cv2.TM_CCOEFF_NORMED)

        loc = np.where(res >= res.max())
        pos_h, pos_w = list(zip(*loc))[0]

        if found is None or res.max() > found[-1]:
            found = (pos_h, pos_w, r, res.max())

    if found is None: return (0,0,0,0,0)
    pos_h, pos_w, r, score = found
    start_h, start_w = int(pos_h * r), int(pos_w * r)
    end_h, end_w = int((pos_h + h) * r), int((pos_w + w) * r)
    return [start_h, start_w, end_h, end_w, score]

目标墩也可以使用类似的方法。只是要想办法减小搜索空间，加速。因为目标墩的数量还是比较多的。还可以搜索那个中心的小白点，速度越快越准（主需要等那个白点出现就好）

机器学习方案

为什么题都已经解了，还需要深究呢？这里主要目的是【提高用户体验感】，考虑到繁多的手机种类和尺寸，特别是iOS中截图的图像压缩问题，需要一套更加稳定的算法，机器学习算法就应运而生了

输入

经过裁剪的截图，只保留小人和目标墩（包含关键信息即可，做法使用OpenCV颜色为界，和小人位置为界即可），最终图像大小为 640*720 像素点

输出

两个值，目标墩的位置【x，y】（小人位置使用多尺度匹配搜索效率足够高了）

模型结构

考虑是图像处理。选择卷积网 - CNN，5层，基本规模，训练完成模型体积约700M

训练数据

根据跳一跳截图大约3000章，保证包含所有目标墩的形态，并且使用多尺度算法进行标注（所谓标注就是算出目标墩【x，y】值，并记录，和这幅图匹配起来）

模型增强

第一层网络经过数据训练后误差在10像素以内。为了进一步提升精度，之后，以此点中心，根据原训练图，再截图320*320大小的图片，同时加入像素偏移（噪声，防止过拟合），再次利用另一个CNN来训练计算坐标

Pipeline示意图

最终结果

小于1像素，Inference时间0.5秒左右

Trick

由于微信的反作弊系统，需要添加一些人为随机因素绕过反作弊系统，基本思路

• Target_pos + 正态分布随机数，保证连跳次数最多5-6次
• 间隔时间为>2s的随机数
• 按压位置随机

至此，微信跳一跳算是通关了。倒腾不息，生命不止。游戏中学习，兴趣中学习是我辈福气！

游戏是放松的一种方式，这种休闲游戏的好处就是，上瘾不易，每个人都有自己的天花板，每周刷新后跳跳看看可能会变成常态，总之孔子说的好，过犹不及

【参考文献】

思路借鉴于知乎相关问题下的回答

代码借鉴Prinsplield大神的AI跳一跳项目，只添加绕过反作弊系统的代码

感谢大神们提供的学习资料！