¿Existe un bot de Evony con IA? Cómo la visión por computadora y el OCR hacen funcionar una herramienta de automatización moderna

Sí, en el sentido que importa: un bot de Evony moderno funciona con las mismas técnicas de visión por computadora y reconocimiento óptico de caracteres (OCR) que están detrás de mucho de lo que hoy se llama IA. Mira capturas de pantalla del juego, reconoce en ellas botones, iconos, tarjetas y números, y decide dónde tocar a continuación. No es un chatbot y no usa un modelo de lenguaje para jugar. Esto es lo que hace realmente la "IA" de un bot de Evony, y por qué ese diseño es el que sigue funcionando después de cada actualización del juego.

El problema: el bot solo puede ver píxeles

Un emulador le da al bot dos cosas: capturas de pantalla y una forma de enviar toques. No hay un menú al que preguntar "¿hay un rally abierto?". El bot tiene que mirar la imagen y deducirlo, cientos de veces por minuto, en una pantalla que cambia con cada ventana emergente, cada banner de evento y cada actualización del juego. Eso es un problema de percepción, y la percepción es justo para lo que sirve la visión por computadora.

Capa 1: reconocer pantallas y botones

La primera tarea es saber dónde estás: la ciudad, el mapa, la lista de rallies, la Taberna, una ventana emergente. El bot guarda una biblioteca de imágenes de referencia, pequeños recortes de los botones, iconos y etiquetas que muestra el juego, y las compara con la captura actual. Cuando el botón "Join" (unirse) de una tarjeta de rally coincide con alta confianza, el bot sabe que hay una tarjeta de rally y sabe dónde tocar. La misma técnica reconoce el icono de un jefe en una tarjeta de rally, la pantalla de alimentar al dragón, las porciones de la Rueda de la Fortuna, los artículos del Mercado Negro y los cientos de cosas que toca la rutina diaria.

Dos detalles lo hacen más difícil de lo que parece. El juego se ve más borroso en dispositivos de pocos recursos, así que una imagen de referencia capturada en un PC potente puede coincidir poco en una laptop; los umbrales de coincidencia tienen que ajustarse pantalla por pantalla teniendo eso en cuenta. Y el juego cambia su arte con las actualizaciones, así que parte de mantener un bot es volver a capturar las referencias después de cada parche y probarlas en varios emuladores.

Capa 2: leer números y texto

Saber que una pantalla de marcha está abierta no basta; el bot necesita leer el tiempo de marcha, la cantidad de tropas, la resistencia, el nivel de la casilla, los espacios que quedan en el rally. Eso es OCR: el bot recorta la región donde está el número y le pasa un reconocedor de texto. El OCR es lo que permite que el bot de rallies rechace un rally sin espacio, que el bot de recolección prefiera una casilla de nivel 6 a una de nivel 4 y que el planificador sepa que una marcha volverá en 14 minutos en lugar de adivinarlo.

El OCR sobre las fuentes del juego es un oficio en sí mismo. Los números con contorno, fondos de colores y tamaños diminutos confunden a los reconocedores de uso general, así que los recortes se ajustan por pantalla y las lecturas se comprueban con sentido común (una lectura de 9.000 de resistencia es un error de lectura, no un milagro).

Capa 3: decidir qué hacer

La percepción responde "qué hay en la pantalla". El planificador responde "qué debería pasar a continuación". Guarda la lista de tareas de cada cuenta, sus prioridades y sus temporizadores: las marchas de recolección vuelven a horas conocidas, los jefes reaparecen con horarios conocidos, los edificios de evento abren y cierran según un calendario, las tareas diarias se reinician a una hora fija. El planificador elige la siguiente tarea, le entrega la pantalla a la lógica de esa tarea, y la tarea usa las capas 1 y 2 para llevarla a cabo, con comprobaciones antes de cualquier acción arriesgada, como enviar una marcha.

En esta capa vive el calendario de eventos de las apps, incluidos los reportes de la comunidad sobre cuándo terminan realmente los eventos, y aquí es donde la rotación de emuladores decide qué cuentas funcionan ahora y cuáles esperan.

¿Por qué no un modelo de lenguaje?

Los modelos de lenguaje son buenos con el lenguaje. Jugar Evony es un problema de percepción y de tiempos: ver una pantalla, leer un número, tocar en menos de un segundo, repetir toda la noche sin desviarse. Una cadena de visión hace eso de forma fiable y barata en tu propio PC; un modelo de lenguaje en el bucle sería lento, caro y no mejor reconociendo un botón de Join. Donde sí son útiles los modelos de lenguaje es alrededor del bot: búsqueda en la documentación, soporte y herramientas para quienes lo mantienen. Dentro del bucle, es visión, OCR y un planificador.

Qué significa esto para ti como usuario

• Los ajustes de pantalla importan. La resolución, el modo gráfico y la versión del juego son entradas de la capa de visión, por eso la guía de configuración es tan específica.
• Las actualizaciones son normales. Después de un parche del juego se vuelven a capturar las referencias y los recortes; la actualización del bot es el arreglo. Mantén la versión anterior del juego hasta que salga.
• Las comprobaciones son funciones. La comprobación previa al envío de una marcha y las comprobaciones de sentido común sobre las lecturas de OCR son lo que evita que un error de lectura cueste tropas.

Si quieres verlo funcionar, crea una cuenta gratis, descarga la app y mira el registro mientras corre: cada línea es el bot contándote qué reconoció y qué decidió.

Preguntas frecuentes

¿Un bot de Evony usa IA?

Usa visión por computadora y OCR, que son técnicas de IA: reconoce botones y pantallas en capturas y lee números en ellas, y después un planificador decide qué hacer a continuación. No usa un chatbot ni un modelo de lenguaje para jugar.

¿Puede ChatGPT jugar Evony por mí?

No de ninguna forma práctica. Jugar es un problema de percepción y de tiempos: reconocer una pantalla, leer un número, tocar en menos de un segundo, toda la noche. Una cadena de visión en tu propio PC hace eso de forma fiable; un modelo de lenguaje sería lento, caro y no mejor reconociendo un botón.

¿Por qué el bot deja de funcionar después de una actualización del juego?

Porque reconoce el juego por su aspecto. Cuando una actualización cambia el arte, la disposición o las fuentes, algunas imágenes de referencia y recortes de OCR dejan de coincidir hasta que se vuelven a capturar. Por eso el consejo habitual es mantener la versión anterior del juego hasta que salga la actualización del bot.

¿El bot lee la memoria del juego o su tráfico de red?

No. Nuestras apps trabajan con capturas de pantalla y toques a través del emulador, como lo haría un jugador. Las herramientas que se inyectan en el cliente del juego o hablan con sus servidores se rompen con cada parche y son el camino más rápido a un baneo.