用于二维网格关卡可完成性分类的主动学习
机器学习
2023-09-11 v1 人工智能
摘要
确定由程序化生成器（如机器学习模型）生成的关卡的可完成性可能具有挑战性，因为这可能涉及使用求解智能体，其往往需要大量时间来分析并求解关卡。主动学习尚未在游戏评估中广泛采用，尽管它已成功应用于自然语言处理、图像与语音识别以及计算机视觉中标注数据有限或昂贵之处。本文中，我们提出使用主动学习来学习关卡可完成性分类。通过主动学习方法，我们训练深度学习模型来对 Super Mario Bros.、Kid Icarus 以及一款类塞尔达游戏的生成关卡的可完成性进行分类。我们将用于查询关卡以标注可完成性的主动学习与随机查询进行比较。我们的结果表明，使用主动学习方法标注关卡可在相同标注数据量下获得更优的分类器性能。
引用
@article{arxiv.2309.04367,
title = {Active Learning for Classifying 2D Grid-Based Level Completability},
author = {Mahsa Bazzaz and Seth Cooper},
journal= {arXiv preprint arXiv:2309.04367},
year = {2023}
}
备注
4 pages, 3 figures