Feb, 2022

毁灭之路：使用小数据集学习迭代式关卡生成器

PDF
TL;DR本文介绍了一种新的程序化内容生成方法，通过从现有关卡数据集中学习迭代式关卡生成器来生成唯一可玩的瓷砖式关卡，并且提出了所谓的毁灭路径方法，将关卡生成视为修复过程，训练一个卷积网络将被广泛改变的关卡的特征作为输入和其修复操作作为输出，从而迭代地生成关卡。
procedural content generationiterative level generatorspath of destruction methodconvolutional networkunique and playable levels
发现论文，激发创造
  • 可控制的破坏路径

    这篇论文介绍了一种名为 PoD 的自监督学习方法，用于学习迭代生成器，特别适用于由分类数据组成的功能性工件，扩展后可以允许设计师控制生成物品的方方面面。

    May, 2023

  • 变异模型：通过模仿进化学习生成关卡

    本文介绍了一种基于机器学习的迭代式关卡生成器 - 变异模型。采用带训练模型的辅助演化过程，可以生成出符合规定约束和目标条件的关卡，而且生成速度比基于演化过程的关卡生成器快得多，实现了在游戏中进行实时生成。

    Jun, 2022

  • 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

  • 利用生成对抗网络生成 DOOM 游戏地图

    使用生成对抗网络学习了 DOOM 地图的模型，并比较了用于生成新地图的两种不同类型的 GAN（一种是只使用地图的图像，另一种则是同时使用图像和部分拓扑特征），研究结果表明 GAN 可以很好地捕捉 DOOM 地图内在的结构，并且是一种有前途的第一人称射击游戏地图生成方法。

    Apr, 2018

  • 利用深度卷积生成对抗网络的潜在空间演化马里奥关卡

    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

  • 通过关卡修补重建现有关卡

    本研究介绍了通过图像修复中的两种技术 —— 自动编码器和 U-net，针对视频游戏关卡恢复和扩展问题进行水平修补的内容增强方法，并通过综合案例研究证明了它们相对于基准方法的优越性能，同时提供了未来研究的潜在方向。

    Sep, 2023

  • 使用条件生成对抗网络生成谜题游戏的程序化内容

    本研究探讨使用参数化生成对抗网络（GAN）作为 Lily's Garden 益智游戏的地图生成器，并提出从真实地图中提取控制 GAN 输出细节的两个条件向量，结果显示虽然 GAN 在近似第一个条件（地图形状）方面表现良好，但在近似第二个条件（元素分布）方面表现不佳，因此建议尝试使用替代 GAN 生成器和辨别器的架构来改善实验结果。

    Jun, 2023

  • 一种生成对抗网络潜空间下的马里奥场景渲染方法

    使用品质多样性算法对生成对抗网络中的潜空间进行有效探索，进而提取游戏级别，并展示如何在保持风格相似性的情况下提取具有不同级别机制的高质量级别。

    Jul, 2020

  • 基于强化学习的程序化内容生成 (PCGRL)

    研究如何使用强化学习训练级别设计代理，将关卡设计视为游戏并将内容生成器本身学习，并探讨了三种不同的转换二维层次设计问题的马尔可夫决策过程，将其应用于三个游戏环境中。

    Jan, 2020

  • 学习混合计算机游戏关卡

    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。

    Mar, 2016