将进化搜索与行为克隆相结合用于程序化生成内容
人工智能
2022-08-01 v1
摘要
在这项工作中，我们考虑视频游戏关卡的程序化生成问题。先前的方法依赖于能够生成多样化关卡的进化搜索（ES）方法，但该生成过程缓慢，这在实时场景中是有问题的。强化学习（RL）也被提出来解决同一问题，虽然关卡生成速度快，但训练时间可能极其昂贵。我们提出一个框架来解决程序化生成问题，它结合了ES和RL的优点。具体而言，我们的方法首先使用ES生成随时间演化的关卡序列，然后使用行为克隆将这些关卡提炼为策略，随后可查询该策略以快速生成新关卡。我们将我们的方法应用于迷宫游戏和超级马里奥兄弟，结果表明我们的方法确实减少了关卡生成所需的时间，尤其是在需要越来越多有效关卡时。
引用
@article{arxiv.2207.14772,
title = {Combining Evolutionary Search with Behaviour Cloning for Procedurally Generated Content},
author = {Nicholas Muir and Steven James},
journal= {arXiv preprint arXiv:2207.14772},
year = {2022}
}