Устанавливаем AI бота

Достаточно давно интересуюсь темой ИИ и его применения, только сейчас до меня дошел масштаб обширности применения данной технологии, так-же заметил что на западе уже много мамкиных продаванов которые изменив три строки данного кода рубят бабки на мамонтах.
Для кого-то может оказаться полезным, претендовать на оригинальность не буду. Несомненным плюсом является простота использования, возможность интеграции с Arduino, считывания экрана через OBS / StreamLabs для обхода AC, и возможности интеграции собственных натренированных моделей ИИ для использования в нестандартных играх.

Дефолтная модель Yolo подходит для всех шутеров, ибо натренированна на людях и "гуманоидо-подобных"

GitHub автора https://github.com/RootKit-Org/AI-Aimbot
Discord автора https://discord.gg/rootkitorg

Версии

Обычный - https://main.py/ Легко настраивается, работает на любом компьютере
Быстрый - https://onnx.py/ Может потребоваться редактирование файла, работает на любом компьютере
Самый шустрый - https://tensorrt.py/ долгая установка, работает только на компьютерах с видеокартами NVIDIA


Вне зависимости от того какой из вышеупомянутых вариантов вы решите установить, вам потребуется выполнить данные шаги:

1. Скачиваем и устанавливаем CUDA в дефолтную локацию https://developer.nvidia.com/cuda-11-8-0-download-archive

2. Скачать Python 3.11 - https://www.python.org/downloads/release/python-3116/ обязательно добавить в PATH

3. Далее заходим в PS/CMD и пастим команду для установки PyTorch:
⁡pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118 ⁡

3.1 В случае если у вас отсутствует видеокарта NVIDIA, или же вовсе ее нет, то вписываем это:
⁡pip install torch torchvision torchaudio ⁡

4. Скачиваем данный архив и распаковываем его в любую локацию, предпочтительно на SSD диске: https://github.com/RootKit-Org/AI-Aimbot/archive/refs/heads/main.zip

5. Далее переходим в папку данного проекта (CD либо CMD в строке папки) и устанавливаем все нужное данной командой:
⁡pip install -r requirements.txt ⁡

P.S Дефолтные бинды: CAPS LOCK - Включение / Выключение и Q для остановки работы данных скриптов

main.py
Ориентируемся в папку проекта и запускаем скрипт данной командой: ⁡python main.py

main_onnx.py
Находим config.py в экстрактнутой папке, нажимаем Ctrl + F и ищем ⁡onnxChoice ⁡
Данный параметр отвечает за то - какой ресурс будет использован для всех дальнейших манипуляций данного скрипта
onnxChoice = 1 # Процессор
onnxChoice = 2 # AMD / NVIDIA
onnxChoice = 3 # NVIDIA

В том случае если у вас видеокарта NVIDIA заходим в PS/CMD и вписываем данные команды:
1. ⁡pip install onnxruntime-gpu ⁡
2. ⁡pip install cupy-cuda11x= ⁡

Для запуска скрипта заходим в папку проекта и запускаем данной командой: ⁡python main_onnx.py ⁡

main_tensorrt.py
1. Устанавливаем Cupy в PS/CMD: ⁡pip install cupy-cuda11x ⁡
2. Скачиваем CUDNN https://developer.nvidia.com/downloads/compute/cudnn/secure/8.9.6/local_installers/11.x/cudnn-windows-x86_64-8.9.6.50_cuda11-archive.zip/] и TensorRT https://developer.nvidia.com/downloads/compute/machine-learning/tensorrt/secure/8.6.1/zip/TensorRT-8.6.1.6.Windows10.x86_64.cuda-11.8.zip понадобится учетка NVIDIA.
3. Распаковываем оба архива и кидаем папки с файлами в ⁡C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 ⁡
4. Заходим в PS/CMD и вставляем данную команду для интеграции TensorRT в Python: ⁡pip install "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\python\tensorrt-8.6.1-cp311-none-win_amd64.whl" ⁡
5. Заходим в Environtment Variables и в PATH добавляем:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin

6. Далее заходим в папку проекта и открываем PS/CMD, пишем: python .\export.py --weights ./yolov5?.pt --include engine --half --imgsz 320 320 --device 0
6.1 Вместо ? ставим n, s, m
n - Железо по типу бабкиного древнего телевизора
s - неплохое железо
m - хорошее и лучше

7. После успешного экспорта одной из вышеупомянутых моделей мы получим два файла: yolov5?.engine и yolov5?.onnx, к их названиям нужно будет добавить 320Half чтобы получилось: yolov5?320Half.engine, yolov5?320Half.onnx. После успешной подмены уже существующих файлов нашим свежаком нужно зайти в main_tensorrt.py и заменить в данной строке: ⁡model = DetectMultiBackend('yolov5?320Half.engine', device=torch.device( ⁡ "olov5?320Half.engine" на название вашего файла с таким же расширением.

8. Можно запускать скрипт командой в PS/CMD ⁡python main_tensorrt.py ⁡

Конфиг Здесь:
Для настройки каждой из версий нужно зайти в config.py, и поменять значения.

useMask - Установите значение True или False, чтобы включить или выключить

maskWidth - Ширина маски, которую нужно использовать. Используется только в том случае, если параметр useMask равен True

maskHeight - высота маски, которую нужно использовать. Используется только в том случае, если параметр useMask равен True

aaQuitKey - Основной клавишей является Q, паничка для завершения работы скрипта.

headshot_mode - Если не понятно - хз что вы тут забыли.

aaMovementAmp - предустановка должна быть точной для 99 % игроков. Уменьшите цифры для более плавного наведения на цель. Рекомендуемые значения: 0.5 - 2

уверенность - Не трогаем, только если начинает наводить на рандомные объекты, стены и тд

screenShotHeight - Не трогаем

screenShotWidth - Не трогаем

aaDetectionBox - Не трогаем

cpsDisplay - Отображает CPS в консоли, не трогаем, если на постоянке ниже 60 - экспортим более слабую модель n/s. Актуально только для самой шустрой версии.

visuals - Включаем если хотите посмотреть распознает ли игроков ИИ или нет

centerOfScreen - "Умное" наведение на игроков, чтобы с одного на другого не прыгало. Оставляем как есть.

onnxChoice - Только для второй Быстрой версии, выбор видеокарты / процессора для работы скрипта.