大型游戏语料库的鲁棒性分析
机器学习
2025-04-08 v1 人工智能
摘要
通过机器学习的程序内容生成 (PCGML) 在游戏中涉及使用机器学习技术创建地图与关卡等游戏内容。2D 瓦片式游戏关卡一直作为 PCGML 的标准数据集，因其作为游戏关卡的简化版本，同时保持典型游戏约束如可解性等特定限制。本文突出游戏关卡的独特特征，包括其结构化离散数据本质、游戏中内在的局部与全局约束，以及关卡对输入小变化的敏感性。我们定义数据鲁棒性作为衡量输入小变化导致输出变化的敏感性度量，并用于分析与比较这些关卡与最新机器学习数据集，展示其本质细微差异。我们还构建了来自四个受经典瓦片式游戏启发的游戏的数据集，展示了这些特征并通过提供远超当前可得数据集规模的数据集来解决 PCGML 中稀疏数据的挑战。
引用
@article{arxiv.2504.03940,
title = {Analysis of Robustness of a Large Game Corpus},
author = {Mahsa Bazzaz and Seth Cooper},
journal= {arXiv preprint arXiv:2504.03940},
year = {2025}
}