本文介绍了一种使用 VAE 训练生成游戏关卡的方法，通过学习一种顺序模型生成末端关卡来生成长度任意的关卡。同时，该方法还可以将来自不同游戏的关卡隐式混合在一起，相比先前的潜变量方法，所生成的关卡更加连贯且有逻辑。

Jul, 2020

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

本文主要介绍了一种基于组合生成的方法，在复杂和现代游戏中实现可优化性，解决算法设计复杂度高的问题，并在游戏设计中优化功能要求，旨在推动程序内容生成技术在视频游戏产业中的应用。

Feb, 2023

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

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

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

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。

Feb, 2022

使用长短时记忆循环神经网络（LSTMs）训练超级马里奥兄弟关卡库，利用机器学习生成关卡的方法及其相关研究进行了分析。

Mar, 2016

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