Last year in XiaFangCun

最近有一些国内的玩家给我发邮件询问和讨论一些robocode的信息，勾起了我当年的回忆，因此在给Aspirin的回信中一发不可收拾，写下了整个回忆录，发到这里，希望对喜欢robocode的朋友有所帮助，或者权当作一篇玩家故事小品文，一笑了之。
此信如下（稍有修改）：
Aspirin,
    如果我们早认识几年，我们可能会在一起并肩作战。：）

    我已经差不多2年没有再玩过robocode了，最后一次，也就是差不多我离开PASoft的时候。

    从我的robocode生涯的开始说起吧，大概在我大二快过完的时候，也就是大概2002年的样子，我和班上几个同学遇上了robocode，刚开始大家都很感兴趣，都在玩，也就是拿例子机器人改几个参数然后编译运行一下，这东西真正入门其实并不容易，那些离散的概念对于新手来说，不容易理解并掌握（比如fire和setFire的区别），最后坚持下来的，只有我和同班的Xiemin两人（这也是为什么我和他的机器人用cx包名的原因，c即是Chen Jing，我的真名，x即是Xiemin），我在robocode上花的时间最长，有时候是整个一个多月每天8个小时甚至有时候10多个小时的编写和调试程序，有时候晚上很晚上床睡了，睡着突然想到了改进方法，于是下床编写，编写好了肯定忍不住调试，肯定就要弄到天亮才会继续爬上床了：）。终于在大概半年多以后，我们学习到了很多技巧（当然很多是通过国外优秀机器人的源代码分析学习的），在第一次IBM全世界大赛的时候，我们的技术还很初级，没有任何高超的运动/瞄准算法，但是我们合作的机器人Chick还是获得了1v1第11名，没能晋级8强，很是遗憾。就在那次比赛之后不久，我们一次无意中的对国外一个小机器人的分析，学习到了模式匹配（Pattern Matching，见http://robowiki.net/cgi-bin/robowiki?PatternMatching）算法，这种方法对于robocode的瞄准及其有用，其实在这之前Xiemin就研究出了模式匹配算法，它能几乎百发百中的射击Circle机器人，让我很是羡慕。他做的是全匹配方法，因此只对简单模式的机器人有用，比如直线，绕圈，固定S型运动模式的机器人，对于稍有变化的机器人（大多数机器都会有变化），效果不好。我认识到了模式匹配的威力，慢慢研究，Xiemin那时候有段时间没有玩了，我在继续，在一天晚上一个人在学校外的出租屋里抽烟的时候，我从嘴里吐出的烟圈突然想到一个算法，兴奋得我几乎没睡着觉，这个算法采用Wave（波，即烟圈，见http://robowiki.net/cgi-bin/robowiki?Wave）进行模式匹配并得到瞄准角度的算法，由此诞生了Cigaret（http://robowiki.net/cgi-bin/robowiki?Cigaret），我把这个算法精简，用很少的代码把它写成了一个mini-bot（http://robowiki.net/cgi-bin/robowiki?MiniBots），Cigaret一出来就在eternal-rumble上取得的不错的成绩，大概10多名，我持续调试，调试机器人是最费时间的，有时候改个小参数，就要跟若干个敌人各调试几百场，才能断定这个参数比原来的参数好还是坏，不长时间，Cigaret就跻身到了第二名，第一名是当时很出名的SandboxDT（http://robowiki.net/cgi-bin/robowiki?SandboxDT），Cigaret以mini-bot的身份持续在第二名的位置（mini-bot中排第一）大概有一年左右的时间，并且在一次运动算法升级的时候，排到过第一名，但是很快就又降到了第二名。因为SandboxDT实在太强了，他的机器人是不开源的，因此很少人知道他具体的算法。我们的大部分机器人一直保持开源，当时Cigaret引起了世界各地玩家的关注，我们也参与到国外的讨论组和世界各地的玩家讨论，就是这里http://robowiki.net ，这个wiki现在还运行着，还有不少玩家活跃在上面，因此你可以上去看看，上面也有排行榜。你们可以参与进去。几乎所有的robocode信息，算法技巧，排名历史，甚至robocode的发展历史，各阶段取得优良成绩的机器人历史，都在上面有记载。这里是目前全世界robocode玩家的聚集地：）

    对了，这里要提一下RoboChina,(www.robochina.org) 是天翼·李建立的中国robocode网站和论坛，一度火热，并有比赛排行榜。PASoft的前身也是他发起，我和Xiemin加入成为开发人员。，那时候国内热心的玩家Arbow,Liuyang也写了不少不错的机器人，后来robochina域名过期没来得及续费，被国外无聊的域名公司抢注了，我们资金有限，没能买回来。后来用了ai-code.org域名，大量玩家流失。后来慢慢……没人了，哈哈，现在也想不清楚具体怎么回事了，反正就那样慢慢robochina在国内玩家心中淡漠消失了，robochina的玩家似乎也随即消失了……。

    说到robowiki，那是另一个时期的来临，那个时候eternal-rumble已经不再更新了，你可以看到eternal-rumble最后一次的比赛是遥远的2003年。到了robowiki时期，机器人技巧经历了两次大的突破，在eternal-rumble时期，最牛的辉煌的广为人知的技术是模式匹配+随机运动（http://robowiki.net/cgi-bin/robowiki?RandomMovement），很多优秀的机器人都采自的这种技巧（Cigaret是其中之一），之后，由于模式匹配算法的种种缺点，比如运算速度慢，所以不能分析太多的数据，否则机器人太慢会被disabled，太慢也造成调试很费时间，效率不高。后来SandboxDT的作者公布了他的minibot SandBoxMini（http://robowiki.net/cgi-bin/robowiki?SandboxMini）机器人的算法，大家学习到了统计学算法，当时称为guess factor（http://robowiki.net/cgi-bin/robowiki?GuessFactor）技术，我也开始尝试此项技术，enternal-rumble快关闭的时候我出的CigarteST就是对此的一种尝试，你从它最后一次比赛排行第二可以看出，效果很不错。后来就出现了david alves的经典机器人，一举打败了SandBoxDT的统治。在后来kawigi也推出了不少优秀机器人，很长一段时间，大家都是在这种机器人上不断的调优，由于robocode世界，大家都崇尚相互学习，大多机器人都是开源的，所以当前最好的技术，老玩家大家都熟悉，因此也就是比拼一些小的改进，一些实现方式的不同，所造成的不同成绩，大的思路大家都是相同的（当然很多新手也是停留在很初级的技巧上），robowiki的维护者瑞典的PEZ也推出了不少优秀的机器人，还有很多，我现在不能一一记起来。当然，在这个时期，还有一些不得不提的技术，比如Virtual Guns（http://robowiki.net/cgi-bin/robowiki?VirtualGuns）技术，因为流行的好的瞄准算法是模式匹配和统计学，大多机器人都是要么采用模式匹配，要么采用统计学，Virtual Guns技术就是，具体用一种方法的设计的时候，同时还虚拟（假设）用另外一种，由此统计，对于当前的敌人，哪种效果更好，因此下一次瞄准就采用哪种。我和Xiemin合作开发的Princess好像就用了这个技术，但是效果不是很好，PEZ大量使用了此技术，取得了不错的效果。但是，终究不是大的突破，所以很难有突出的机器人诞生。不久后，一个哪个国家的作者我忘记了，通过修改我和另一个国外人合作开发的机器人Sedan的源代码，发布了一个机器人，一举排到了排行的前几名，由于新手很难会有如此成绩的，所以引起了大家的关注，大家发现了他是通过修改Sedan而来，并且没有遵守开源协议（他的机器人修改自我们的开源机器人，但他没有开源，http://robowiki.net/cgi-bin/robowiki?RWPCL），受到了大家的谴责，我也比较气愤，因为他是通过我们的机器人改来的，我反编译他的代码，并发现了一个可能会有重大突破的改进思路，就是通过自己中弹的信息来调整自己的运动，因为在此前的时间里，大家都关注在瞄准算法上，运动算法没有什么突破，还是随机运动占主流，也是最好的运动，一个调优的好的随机运动，效果很好，既能让模式匹配难以匹配，也能让统计学统计的每个角度概率都差不多。但是随机运动毕竟是死的，它不能自我调节，不能像瞄准算法的模式匹配或者统计学那样的根据敌人的情况学习。由此，我试验出了Lacrimas，采用反统计学的思路，就是当自己中弹的时候，就认为中弹的那个角度，被敌人统计为最高概率的角度，因此调整这个运动概率，再次运动。一出来，取得了很好的效果，甚至可以打败SandBoxDT，SandBoxDT的作者Paul Evans很快推出了新版SandboxDT，维持住了他的统治地位。由此Lacrimas受到关注，但当时由于什么原因我现在忘记了，一段时间没有再继续改进。后来，我再上robowiki的时候，发现大家讨论起了WaveSurfer技术。此技术的思路和Lacrimas一样，就是反统计学，此技术的倡导者abc推出了得到巨大成绩突破的机器人Shadow，引起了大家的极大兴趣，并且abc公布了此技术的思路，于是Wavesurfer迅速得到推广，很快SandboxDT被推下了统治地位，并一去不复返，再也未能像以前那样每次被大败都能很快爬起来。我后悔自己当初放出Lacrimas的时候没有开源，当时想保密思路，改进得更牛逼了能稳居第一了再分享，因此没有人讨论，没能像abc那样发展成Wavesurfer，由此看来，在对待技术上，一定要开放，不要闭塞，否则自己发展很慢，我由于自己的狭隘，错失了一次坐上冠军宝座的机会，当时怎么就没能像当初开发出Cigaret和Wave技术时那样开放呢，我很为自己的封闭狭隘而遗憾了一段时间。Wavesurfer的思路和Lacrimas的运动是一样的，但是Wavesurfer的实现方法很科学，这也是WaveSufer这个名称的由来，它把敌人击中自己的信息统计下来，根据概率形成一个个角度范围颜色深度大小不同Wave波浪，在敌人发射炮当时，假设敌人发出了这样一个Wave,让自己的机器人在Wave上根据颜色深度而作冲浪运动（我们大多都采用一些辅助工具，比如RobocodeGL来实时绘制出这些图像信息，便于实时的观察和分析Wave变化, 后来还有更方便的可以替代RobocodeGL的工具我忘了叫什么了），也就是不断往颜色深度低的地方滑动，这点改进非常有效，比起Lacrimas的点到点运动（直线往颜色深度最低的点运动），优秀很多，因为它总表现为绕敌人圆周来回运动，因此敌人的模式匹配相当于也简化为统计学了，由此同时也有效的反了模式匹配。后来我和Xiemin合作开发了Pear（http://robowiki.net/cgi-bin/robowiki?pear）机器人，采用此技术，由于此技术实现起来难度不小，我们用了差不多2个月时间开发和调优完成，代码量已经可以算是一个小程序项目大小，总共大概40多个类，Pear取得了不错的成绩，现在你到robowiki排行榜上还能看到它，已经是几年前的机器人了，现在还排在比较靠前的位置。直到现在，WaveSurfer仍是最好的运动策略，统计学瞄准，仍是最好的瞄准策略，目前排行榜前十的机器人大概都是采用的这两种技术，呵呵，后者是统计学，而前者是反统计学，虽然后来也出现了Anti-WaveSurfer瞄准策略，但是并不是什么革命性的突破，我想，老在统计学上面反来反去，不是什么好的方向，下一次重大突破，有待后来者们的努力，记住，要想登上冠军宝座，革命新的突破是唯一道路（以往的例子已证明）。

    之后，我就再也没能玩robocode了，由于工作的繁忙，由于robocode机器人技术已经如此高深，现在要写一个能排到前十的机器人，就算是一个老手，没有两个月时间日以继夜的努力，也很难成功。

    我们一直在等待IBM的下一次国际大赛，或者在中国举行大赛（其他很多国家都举行过），但是IBM一直没举行。

    之前我介绍的，算是1v1的技术和历史，对于Melee还有Team的比赛，在我认为，从来没有过像1v1的模式匹配，统计学，WaveSufer（我和Xiemin称为反统计学）那样的辉煌技术突破，因此没有详细介绍，可以提到一些比较优秀并很有益的技术，比如反重力Anti-Gravitation，很有趣的技术，它的思路是这样的，由于在Melee混战中，你越跟大多数敌人混在一块，越死的快，因此跑到人烟稀少的区域，从远处射击人烟密集的地方，越能取得好成绩，因此Anti-Gravitation假设每个机器人都有排斥的力量，墙壁也是（避免装墙），每个tick都分析自己周围那个方向的磁力最低，因此往那个方向运动，由此，自己总能往人烟稀少的地方跑，这很有效。很多优秀的Melee机器人都采用了这种思路，虽然具体实现方式可能不同，但是都能取得不错的效果。此种思路，非常启发人，你可以从这个技术和WaveSurfer技术看到，模拟一个现实的物理现象（重力/磁力，波，冲浪），是多么的优美和有趣啊，并且总能获得很好的实战效果。还有更多的例子，我这里就不一一追述了。从生活中领悟，乃是技术突破的关键。在你编码和思考疲劳的时候，或许出去走走，你就会有更多的发现。

    Team的话，我没有深究，虽然也尝试写过，但是都仅限于一些是人都想得到的简单方式把几个Melee机器人和在一起组成一个团队而已。并且，其他玩家也很少有人深入发展Team，因此，也没有什么可值得提的好思路。

    由于时间仓促，事先也没有准备，就介绍到这里，时隔我最后一次写机器人，也大概2年多了，很多以前知道的东西，现在也很模糊了，因此未能全面而详细，请见谅。更详细的各种信息，你可以通过浏览http://robowiki.net 而得到。

    最后，我不得不提一下在我毕业后和Xiemin还有Cairong创立的公司，PASost（http://www.ai-code.com），后来天翼·李也加入了，我们开发了类似robocode这样的游戏平台，功能更强大，支持Java,C/C++,Delphi…多种语言编写机器人，并且提供了很好的机器人编写/调试环境。我们还开发了机器人足球平台，跟国内外现有的仿真平台不同，我们没有走完全仿真的思路，而是像robocode那样的简单有趣的模拟方式。但是由于市场推广困难，我们几人在去年和今年相继离开。此产品现在由投资我们的公司继续持有并运营。对于国内玩家，如果有兴趣组织发起此类游戏比赛的朋友，我非常推荐采用我们的平台，因为它用起来更简单，功能更强大，并且有完善的工具，支持更多的语言。非常希望看到国内能有此类活动的发展，可惜无奈，我已无能再投身此业。

code, letter, life | 19 Comments »

Pages

Categories

Text Ads

My Paints

Archives

Doing

Friends

Reading

Meta

Archive for the 'letter' Category

我的Robocode回忆录

My new blog here

test a long words