VGLC:电子游戏关卡语料库
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
本文提出了一个新的、干净且适合用于开放领域对话系统的 7K 样本语料库,探索了视频游戏领域,从而更好地利用深度学习在自然语言生成方面的作用。
Oct, 2019
本文探讨了使用大型语言模型 (LLMs) 生成 Sokoban 游戏关卡的可行性及效果,发现 LLMs 能够生成关卡,且其性能随数据集规模的提高而显著提高。同时,文章也介绍了控制 LLMs 关卡生成器的初步实验结果,并探讨了未来研究的有 promising 的方向。
Feb, 2023
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
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
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
本论文使用对抗生成网络 (GANs) 和协方差矩阵自适应进化策略 (CMA-ES) 生成了大量类似原始语料库中的 Super Mario Bros 的电子游戏层级,并使用各种适应性函数发现了专家所设计示例空间内存在的层级,并引导搜索满足一个或多个指定目标的层级。
May, 2018
我们介绍了 GVGAI 竞赛的新领域 ——General Video Game Rule Generation 问题,该问题的解决方案是使用基于 GVGAI 软件的软件框架,给定一个游戏关卡,生成符合该关卡的游戏规则,我们描述了 API 和三种不同的规则生成器:随机生成器、构造性生成器和基于搜索的生成器,并且初步结果表明,构造性生成器生成有趣的游戏规则,但表达范围有限,而基于搜索的生成器可以生成多样化的游戏规则,但质量参差不齐。
Jun, 2019
本文介绍一个 fine-tuned GPT2 模型 MarioGPT,它能够生成多样的游戏地图,实现可控制的 PCG。结合 Novelty search,该模型能够生成具有不同游戏动态特点的多样化地图,开创了文本 - 游戏地图的先河。
Feb, 2023