- 通过大型语言模型在 Minecraft 中生成 3D 建筑
该论文研究了大型语言模型在游戏《Minecraft》中生成 3D 建筑的能力,提出了一种文本到《Minecraft》建筑的模型,实验结果表明,该模型能够根据特定的提示生成符合用户要求的完整建筑。
- Word2World: 通过大型语言模型生成故事和世界
通过 Word2World 系统,大型语言模型 (LLMs) 可以通过故事无需任何任务特定的微调,创造多样内容并提取信息,设计叙述性和以瓷砖在合适位置创建连贯世界和可玩游戏。
- 游戏中的 GPT:范围综述(2020-2023)
本论文通过 55 篇文章的综述,探讨了 GPT 在游戏中的潜力,为研究人员提供了对当前应用的全面理解,并确定了新兴趋势和未开发领域。我们确定了 GPT 在当前游戏研究中的五个关键应用:程序生成内容、混合式主动设计、混合式游戏玩法、游戏游玩和 - DreamCraft: 在 Minecraft 中基于文本指导生成具有功能的 3D 环境
本文介绍了一种从自由形式文本提示中生成功能性 3D 物品的方法,该方法使用量化的神经辐射场(NeRFs)来表示这些物品,以在游戏中与给定文本描述相匹配。
- 游戏场景多样性测量
通过相关领域的创新应用,如程序内容生成等,本研究综合评述了游戏剧本多样性的多维性,以丰富玩家体验为核心,对多样的游戏剧本进行了详细分析,强调了它在游戏和教育中的重要性,通过多样性评估方法和指标的分类体系,为补充现有文献和实践提供了见解,并提 - 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 - ChatGPT4PCG 2 比赛:科学鸟类级别生成的提示工程
该研究论文介绍了 2024 年 IEEE 游戏会议上的第二届 ChatGPT4PCG 竞赛,它旨在推动和探索面向程序化内容生成的提示工程。通过引入多样性度量、允许提交 Python 程序以及改进评估流程等措施,该竞赛旨在解决第一届竞赛中的限 - 零样本推理:个性化内容生成无起步问题
通过使用大型语言模型,本研究提出了一种新颖的方法来通过连续收集个体玩家的游戏数据,实现个性化的程式化内容生成,与传统方法相比,我们的方法在减少玩家在游戏关卡中中途退出的概率方面表现出更好的性能。
- 智能生成图形游戏资产:概念框架与现状的系统综述
通过系统文献综述,本文研究了图形素材生成领域中的最新方法,旨在填补现有研究的不足,并提出了一个概念框架来解决这些问题。
- 进化式桌面游戏设计:以《风险》游戏为案例研究
借助进化游戏设计和遗传算法,本研究扩展了现有的方法来生成《Risk》这个桌游的新变种版本,通过改变地图大小和生成更加平衡的游戏以减短比赛时间,为进一步研究演化游戏设计提供了有希望的方向。
- PCGPT:基于 Transformer 的程序化内容生成
本篇论文介绍了一种创新方法,PCGPT 框架,该方法利用离线强化学习和 Transformer 网络进行程序化内容生成(PCG)。PCGPT 利用基于 Transformer 的自回归模型迭代生成游戏关卡,解决了传统 PCG 方法中重复、可 - AAAI基于树结构的重构分区:一种新颖的低数据量生成方法
我们介绍了一种名为 Tree-based Reconstructive Partitioning (TRP) 的新型 PCGML 方法,它能够解决在游戏开发的早期阶段应用 PCG 和 PCGML 方法的问题。我们的实验证明,TRP 产生的关 - 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。
- 探索具有生成迁移分析的 Minecraft 定居生成器
生成内容的评估和生成管道的评估方法是目前研究中的关键问题之一,本文介绍了一种名为 Generative Shift 的新方法,通过量化生成过程应用于现有艺术品时的影响来评估生成管道中的各个阶段的影响,然后将该方法应用于一套 Minecraf - 将波函数崩塌扩展到大规模内容生成
该研究提出了一种嵌套 WFC (N-WFC) 的算法框架,通过引入完备和子完备瓷砖集准备策略以及权重刷系统,有效降低了时间复杂度,解决了 Wave Function Collapse 在大规模内容生成方面的挑战,并为具体游戏实施提供了理论基 - 游戏系统设计的可控协作代理
通过模拟状态机组件和资源流、一组可控指标、模拟游戏试玩的设计评估器以及进化式设计平衡器和生成器,我们设计了一个能够表达多样游戏并可供未来共同创作应用的人类可控的协作代理系统。
- 基于 PCG 的静态地下车库场景生成
自动驾驶技术包括五个级别,从 L0 到 L5。当前只能实现 L2 级别(部分自动化),达到最终的 L5 级别(全自动化)还有很长的路要走。跨越这些级别的关键在于训练自动驾驶模型。然而,仅依靠实际道路数据训练模型远远不够且消耗大量资源。尽管已 - 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。
- 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。
- 基于大语言模型的实用 PCG
该研究展示如何使用 LLMs 来生成名为 Metavoidal 的游戏的二维游戏房间,通过人为干预微调的方法,可以从仅 60 个手动设计的房间中生成 37% 的可玩新颖关卡,以适应 Procedural Content Generation