- FacAID: 用于神经符号化外观重建的 Transformer 模型
我们引入了一种神经符号变换器模型，使用定制的分割语法将平面、分段的建筑外立面结构转化为程序定义。我们开发了一个半复杂的分割语法，用于建筑外立面，并生成了包含外立面及其相应的程序表达的数据集。通过训练我们的变换器模型使用这个数据集，将分段的平 - 利用过程生成提升太空中自主钉孔装配的学习
通过深度强化学习，在高度并行化的仿真环境中，利用程序生成和域随机化的方法，提出了一种新颖的学习自主针孔装配的方法，以增强自主系统的泛化性和适应性，评估了三种不同的强化学习算法，并展示了智能机器人系统在太空中学习中的潜力。
- 为基于视觉的农业应用生成多样化农业数据
为精准农业中的计算机视觉任务提供包含语义标签的 12,000 张图像数据集，通过在合适的光照条件下模拟大豆作物和杂草的成长阶段、不同的土壤条件和随机的田地布局，将真实世界纹理和环境因素融入到程序生成过程中，提高合成数据的逼真度和适用性，从而 - 基于风格迁移的程序地形生成
利用程序生成和神经风格转换的组合技术生成地形地图，并验证其能够产生多样性地形结构与真实地貌特征吻合的定制地图。
- 使用波函数坍缩算法生成晶粒取向的过程
用参考的电子背散射衍射图 (Electron Backscatter Diffraction, EBSD) 地图测试了 Wave Function Collapse (WFC) 算法和 Markov Junior 算法两种方法在生成金属晶粒 - 3D-GPT：利用大型语言模型进行程序化 3D 建模
基于 3D-GPT 的指令驱动的 3D 建模框架，利用语言模型实现了高效的自动内容创作，简化初始场景描述并从文本中提取参数值，与 3D 软件无缝集成，为未来场景生成和动画的进一步发展提供了基础。
- 为叙事解谜游戏生成适应难度的规则
本文研究了利用基因算法和自然语言模型生成规则，将其应用于教育游戏的难度调整。通过应用该方法设计了一款趣味教育游戏，针对幼儿园儿童，且初步实验结果表明该方法能够在二十多代以内找到符合指定难度要求的规则。未来研究将关注数据收集与模型优化。
- 燕麦为何便宜：科尔莫戈洛夫复杂度与过程生成
该论文研究了信息论在游戏内容生成方面的理论关系，证明了生成器可以生成的最复杂艺术品的 Kolomogorov 复杂度与生成器的可能空间大小之间存在关系，并将其与专家生成器设计师的经验进行了关联，其中传达了生成器中的知识编码、输出空间密度和其 - 自我激发的神经元群体用于连续强化学习
使用自激活神经模块及模块化结构，本文提出了一种基于视觉强化学习环境的无先验任务边界设定的持续学习方法，以避免忘却与利用旧有的技能，并在生成环境中进行了相关实验。
- 近期设备上的量子自然语言生成
本文介绍了使用嘈杂的中尺度量子设备进行自然语言处理（NLP）和过程生成的应用，探索设计用于句子生成的混合量子 - 经典算法，并提出实现及其在模拟和真实量子硬件上的成功应用，同时引入必要的 NLP 和量子计算背景知识。
- ProcTHOR: 使用程序化生成技术的大规模体感 AI
我们提出了 ProcTHOR 框架，该框架可以进行过程生成，从而使我们能够在 Embodied AI 领域训练和评估有身体经验的代理人，该代理人可以在交互、导航和操作任务中表现出卓越的性能，并在多个基准测试中显示出现有最先进的结果。
- 通过 MAP-Elites 照亮敌人的空间
本文介绍了一种扩展进化方法的敌人生成系统，它将敌人的难度作为目标，不断地生成多样化的敌人，并让玩家在游戏中感受到易、中、难不同的敌人对挑战的提升。
- ICML视觉元强化学习中泛化问题简述
该论文评估了特别设计用于泛化的算法 —— 元强化学习算法的泛化性能，发现在挑战性任务上，这些算法仍然存在严重的过拟合和扩展性问题，强调需要开发既能泛化又能扩展的元强化学习算法。
- ICML强化学习中的惊奇最小化泛化
在深度强化学习算法中，泛化仍然是一个具有挑战性的问题，本研究提出并评估了一个意外最小化代理，通过从一个简单的密度模型中学习到的额外奖励，在提供熵和随机性的程序生成游戏环境中呈现出鲁棒性。
- ICLR尝试时重来，而不是尝试更久：自适应课程学习的先验学习
该研究论文提出了一种两阶段自适应教学方法，以提高深度强化学习（DRL）智能体的性能，主要包括使用过程生成任务、自动课程学习（ACL）和探索课程等关键词。
- 让故事活起来：生成交互式小说世界
本文主要介绍了一个基于知识图谱和神经语言模型的交互式小说生成算法，通过提取常识和主题知识来实现语义连贯、有趣、一致的文本世界，实验结果显示该模型优于规则和人工基准。
- 使用文本生成互动式世界
本文介绍了一种用于生成游戏世界的机器学习方法，通过基于多人文本冒险游戏环境 LIGHT 的内容，利用基于神经网络的模型将位置、角色和对象组成一个连贯的整体。除了基于现有元素创建世界，该模型还可以生成新的游戏内容，提供了交互式辅助世界构建的方 - ICLR通过阅读实现在新环境动态下的泛化
通过阅读策略学习器实现语言理解，是实现强化学习中泛化到新环境的有前途的方法。本文提出了一个基于文本阅读的策略学习问题，通过程序生成环境动态并相应地生成动态的语言描述。通过课程学习，我们的模型能够在需要几个推理和指代步骤的复杂任务上提供出色的 - 通过将 3D 游戏引擎和概率图模型相结合生成人类动作视频
本文提出了一种基于过程生成、物理模型和现代游戏引擎组件的人体运动视频生成方法，它可以生成一个包含 39,982 个视频的数据集，其中包括 35 个不同的动作类别。通过结合小的真实数据集，我们的方法可以显著提高视频行为识别性能，即使这些数据集 - 文本冒险游戏中自动化问题生成探索
本文研究使用马尔可夫模型和神经生成模型，在以厨艺为例的语境中，为文本冒险游戏（Interactive fictions）自动生成任务目标序列，评估两个任务生成技术在语义上的连贯性和创造性。