Вопрос League of Legends — Проблема предсказания движения цели для YOLO-аимбота (Prediction Jitter)

[hex_cat]

Народ, кто сейчас ковыряет нейронки под мобы, подскажите по сабжу.

Заморочился с YOLO-аимботом под Лигу, пытаюсь вытащить нормальный предикшн. Цель — попадать в точку упреждения с учетом задержки реакции и времени полета скилла (диапазон 300-600 мс). Сейчас сижу на OneEuro фильтре для трекинга хитбаров, но стабильности не хватает.

Техническая проблема:
При попытке считать вектор скорости (Velocity * Time) получаю дикий разброс. Из-за шума в детектах и фазового лага (около 50 мс) на выходе имею ошибку в 50-100 пикселей при движении цели 300-500 пкс/с. Перепробовал EKF (расширенный фильтр Калмана) и Монте-Карло, но результат либо джиллит так, что камера с ума сходит, либо предикшн не успевает за резким мувментом.

Что пробовал по части софта:

1. OneEuro Filter: неплохо для визуального трекинга, но для предикшна стрельбы не хватает резкости, слишком сильно "размазывает" позиции.
2. EKF6: много мороки с настройкой матриц ковариации, под нестабильный FPS детектора плавает геометрия.
3. Simple Velocity: слишком примитивно, при малейшем изменении траектории цели идет полный мисс.

Есть ли смысл копать в сторону LSTM-сетей для предсказания тайм-сириес координат или лучше забить на классический CV и смотреть в сторону гибридных подходов с анализом игровых пакетов? Может, кто-то уже нашел золотую середину, чтобы не было этого дерганья при сглаживании?

Кто допиливал подобное — кидайте свои мысли, как убрать эти скачки. Реально ли добиться стабильной работы без перехода на прямой чтение памяти (чтобы не отлететь в бан при первом же вейве)?

 

[Flagstaff]

Твой сетап ломается не из-за фильтра, а из-за источника — YOLO даёт шум + задержку, и ты пытаешься из мусора собрать точный velocity.
По факту:

• OneEuro → сглаживает, но убивает реакцию
• EKF → норм, но требует стабильного FPS и хорошего noise model (у тебя его нет)
• Velocity → умирает на любом change direction

Почему у тебя разброс:

• 50 мс лаг детекта = уже ошибка позиции
• • шум боксов → velocity считается криво
• итог → prediction улетает на 50–100 px (логично)

Что реально работает:

• не LSTM (оверкилл и задержки ещё больше)
• а hybrid:
  • clamp velocity (ограничение ускорения)
  • short-term linear + decay
  • adaptive smoothing (меньше фильтра при резких движениях)
  • history 3–5 точек, не больше

Главная мысль:
CV-only без доступа к реальным данным всегда будет неточным.
Ты можешь уменьшить джиттер, но не убрать его полностью.
Итог одной строкой:
ты упёрся в предел YOLO + screen capture — дальше только костыли, не магия.