基于路径与功能可供性探索平台游戏间的关卡融合

基于机器学习的程序化内容生成（PCGML）技术已被证明可用于生成新颖的游戏内容。虽然该技术主要用于以训练所用游戏领域的风格生成新内容，但近期研究越来越多地开始探索通过关卡融合与领域迁移等技术来发现和生成新领域内容的方法。在本文中，我们基于这些工作，引入了一种新的 PCGML 方法，用于生成跨越多个领域的新颖游戏内容。我们使用一种新的功能可供性与路径词汇表来编码来自六款不同平台游戏的数据，并在该数据上训练变分自编码器，从而使我们能够捕获涵盖所有领域的潜在关卡空间，并生成具有不同领域比例的新内容。