Mar, 2016

学习混合计算机游戏关卡

PDF
TL;DR本文提出了一种无监督融合不同游戏概念生成新的计算机游戏关卡的方法，主要贡献在于引入类比推理过程，以构建从游戏视频中学习的不同层级设计模型之间的融合模型，并通过证明在超级马里奥兄弟游戏中表现出的风格化水平设计知识的方式，演示了我们的系统说明了由人类专家设计者融合的游戏关卡。
发现论文，激发创造
  • 利用学习到的关卡表示进行游戏关卡融合

    本文提出一种新的游戏水平融合方法，利用聚类的瓷砖嵌入技术作为无注释游戏的水平表示，将其应用于经典的任天堂游戏 Lode Runner 和 The Legend of Zelda，比较其在混合任务中的表现。

    Jun, 2023

  • 通过路径和可支配行为探索平台游戏中的层级混合

    本研究探讨了通过机器学习进行程序化内容生成技术在游戏领域的应用，着重介绍了如何基于多个游戏领域构建新的自动生成游戏关卡的方法，使用了多个游戏平台的数据，并训练了变分自编码器以跨越各个领域的潜在关卡空间来生成新的内容。

    Aug, 2020

  • 机器学习辅助下的协同创作级别设计

    本文介绍了一个通过 PLGML 代理进行共创级别设计的框架，并通过用户研究和比较研究的结果来支持该框架。

    Sep, 2018

  • 从无到有生成关卡的学习

    该论文提出了一种名为 GPN 的算法，通过代理玩游戏，学习可玩关卡的分布，从而实现自动生成游戏关卡，避免了人类设计的限制，并用 2D 地牢游戏训练和展示了该框架的能力。

    Feb, 2020

  • 可控游戏层次混合的变分自编码器方法

    本研究使用变分自编码器（VAEs）对游戏关卡进行创意设计，通过训练 VAE 于超级马里奥兄弟和战神等游戏的数据，捕捉潜在空间，然后将这些空间用于生成结合了两种游戏特征的新的关卡片段，并通过潜在空间中的进化搜索进行进一步的优化。与类似的生成模型 Gan 和 VAE-GAN 相比，VAE 的方法在协作关卡设计方面表现出特别的优势。

    Feb, 2020

  • 利用游戏视频进行联合级别生成和翻译

    通过利用人类注释的游戏玩法视频，实现一种多重尾部框架，该框架学习执行同时水平转换和生成的任务，具有在 Level 传输中提高总体性能的潜力，并展示未来版本泛化到未见过游戏的可能性。

    Jun, 2023

  • 友人、合作伙伴、学生、经理：人工智能驱动游戏关卡编辑器的设计如何影响创作者

    本文介绍了一个名为 Morai Maker 的基于超级马里奥兄弟风格游戏的 AI 智能设计工具，并通过两个混合方法研究总共超过 100 名参与者来讨论 AI 在创造过程中的作用及与人的合作方式。研究发现，设计师对与 AI 的交互和作用的期望存在差异，AI 使得设计师改变设计方式，设计师认为 AI 在其设计实践中具有潜在价值。

    Jan, 2019

  • 潜在组合游戏设计

    通过使用高斯混合变分自编码器 (GMVAEs) 对深度生成潜在变量模型进行建模，并使用线性组合技术生成可玩游戏。通过监督训练，每个组件能够从一个游戏中编码关卡，使我们能够定义新的、混合的游戏作为这些学习组件的线性组合。结果表明，这种方法可以以所需比例混合输入游戏并生成可玩游戏。

    Jun, 2022

  • 通过 LLMs 进行游戏生成：视频游戏描述语言的研究

    近期，大型语言模型的出现为过程性内容生成带来了新的机遇。这篇论文探讨了通过大型语言模型生成游戏的可能性，提出了一种基于视频游戏描述语言的大型语言模型框架，可以同时生成游戏规则和关卡。实验结果展示了这个框架如何根据不同的上下文进行生成，为过程性内容生成领域中的新游戏生成提供了新的见解。

    Apr, 2024

  • 将进化搜索与行为克隆相结合，用于程序生成内容

    本文提出了一种将进化搜索和强化学习相结合的框架，通过行为克隆将演化的关卡序列提炼为策略，以生成更快速的关卡，我们将其应用于迷宫游戏和超级马里奥兄弟中，结果表明该方法能够显著缩短关卡生成的时间。

    Jul, 2022